知识卡片
模块化框架分开结构目标和优化
层决定表示与数据流,激活决定局部变换,目标函数定义误差,优化器使用梯度更新参数。模块化降低搭建原型成本,但不替代张量维数、输入编码和任务契约检查;书中旧Keras和Theano安装步骤仅属历史环境。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
模型被理解为一个序列或独立的图等完全可配置的模块,并使用尽可能少的限制被插到一起。特别是神经网络层、代价函数、优化方法、初始化方案,激活函数,正规化的方案都是独立的模块,它们可以结合起来构造新的模型。
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于模块化框架分开结构目标和优化的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:模型被理解为一个序列或独立的图等完全可配置的模块,并使用尽可能少的限制被插到一起。特别是神经网络层、代价函数、优化方法、初始化方案,激活函数,正规化的方案都是独立的模块,它们可以结合起来构造新的模型。