← 返回卡片

原书出处

深度学习详解

17 网络压缩 17.5 动态计算

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.561Z

怎么让网络自由地调整对计算资源的需求呢?一个可能的方向就是让网络自由地调整它的深度. 比如图像分类,如图17.15 所示,输入一张图片,输出是图像分类的结果,可以在隐藏层之间加入一个额外的层.这个额外的层旨在根据每一个隐藏层的输出决定图像分类的结果.当计算资源比较充足的时候,可以让这张图片通过所有的层,得到最终的分类结果.当计算资源不足的时候,可以让网络自行决定要在哪一层进行输出.比如在通过第1层后,就直接切换到“额外第1层”,得到最终的分类结果.怎么训练这样一个网络呢?一般在训练的时候,只需要在意最后一层的输出,希望它的 输出和标准答案越接近越好(但也可以让标准答案和每一个额外层 的 输出 越接近越好).把所有的输出和标准答案的交叉熵加起来,得到损失 :

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/深度学习详解/_epub-src/OEBPS/Text/Chapter17.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc