1.什麼是*****_size與epoch。
假設train_data一共有10000個資料，我們在訓練時並不是minimize整個train_data的loss，而是把train_data分為好多部分，每個部分的資料量的大小就是*****_size。如果*****_size=20，那在訓練時把20個資料作為一組，在這20個資料上做梯度下降，最小化loss之後，再在下一組資料上訓練，總共為10000/20=500組。當把所有組都訓練一遍之後，就叫做乙個epoch，如果設定epoch=10，那就是重複十次。
2.訓練深度學習網路時的幾個小提示.
2.1 early stopping
2.2 regularization
2.3 dropout
2.4 new activation function
2.5 adaptive learning rate
3.使用深度學習的方法時，在test_data上得到的結果不好，第乙個需要去看的是模型在train_data上的accuracy怎麼樣，如果在train上的結果很好，可能的結果是overfitting；但如果在train_data上的accuracy都不好，說明訓練的時候都沒把模型訓練好，loss函式設定得不好導致模型沒有收斂或者本身選的模型不好等等，就要考慮改變引數活著改變網路結果。
4.在訓練的時候發現，有時候可以收斂，train_accuracy越來越好，但同樣的配置，再訓練一次會發現可能收斂不了，train_accuracy一直在乙個值附近上下波動。當遇見這種情況，在沒有更好的方法之前（優化網路等），解決方法是停止當前無法收斂的訓練，重新開始下一次訓練。
5.深度學習計算機視覺中最重要的幾個資料集：mnist，cifar10和cifar100，pascal，imagenet，mircosoft coco。
機器學習相關知識
之前學習的東西很雜，都是想到哪個演算法，就去學。並沒有很系統的去理解他們的區別，這樣可能就沒辦法理解其真正的含義。再就是一心想著找實習，可是沒有足夠的水平水平很難去做這方面專案，即使找到了，可能也很low 所以其實我要做的是靜下心來，系統的，深入的去學習 理解和實現這些演算法 知識。常用的機器學習演...
機器學習相關知識點
1 tp 將正類 為正類數 fn 將正類 為負類數 fp 將負類 為正類數 tn 將負類 為負類數 精確率 precision p tp tp fp 反映了被分類器判定的正例中真正的正例樣本的比重。準確率 accuracy a tp tn p n tp tn tp fn fp tn 反映了分類器統對...
機器學習知識點相關總結（四） SVM相關
機器學習知識點相關總結 一 基礎 機器學習知識點相關總結 二 決策樹相關 機器學習知識點相關總結 三 lr相關 機器學習知識點相關總結 四 svm相關 機器學習知識點相關總結 五 cnn相關 機器學習知識點相關總結 六 rnn,lstm相關 機器學習知識點相關總結 七 k means相關 1.講一下...