← 返回卡片

原书出处

深度学习

15 第15章 表示学习

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.635Z

有用。然而在处理图像时是不太有用的,可能是因为图像已经在一个很丰富的向量空间中,其中的距离只能提供低质量的相似性度量。

从无监督预训练作为正则化项的角度来看,我们可以期望无监督预训练在标注样本数量非常小时很有帮助。因为无监督预训练添加的信息来源于未标注数据,所以当未标注样本的数量非常大时,我们也可以期望无监督预训练的效果最好。

无监督预训练的大量未标注样本和少量标注样本构成的半监督学习的优势特别明显。在2011年,无监督预训练赢得了两个国际迁移学

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习/_epub-src/text/part0005_split_000.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639