搜尋結果
1. 数据集大小和复杂性. epoch 数量与训练数据量之间存在一定的关系。 如果数据集较大或较为复杂，需要更多的epoch来充分遍历数据集，以避免欠拟合。 2. 模型复杂度： 模型越复杂，需要的 epoch 数量通常越多，以便模型能够更好地学习数据的特征。 3. 数据集特点： 对于不同类型的数据集，epoch 数量的选择也可能不同。 例如，对于图像数据集，epoch 数量可能需要设置得较大，而对于文本数据集，epoch 数量可能较小。 4.
知乎知学堂 - 知乎旗下职业教育品牌，专注于成人用户职业发展，聚集各领域优质教育资源，依托自身科技实力打造的一站式在线职业教育平台。知乎，中文互联网高质量的问答社区和创作者张集的原创内容平台，于 2011年1月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」 ...
2023年12月8日 · 10本深度学习（Deep Learning）入门书籍推荐. 8 赞同. 50 收藏. 在当今数字化时代，深度学习（Deep Learning）是一场引领人工智能革命的浪潮，是机器学习领域的一场革命。. 它跨越了多个学科领域，包括计算机科学、数学、工程学、物理学等，深度学习技术正在以 ...
深度学习（Deep Learning） 比如我做图像分类，用十折交叉验证，可以每个fold都保存在测试集上效果最好的那个epoch的结果，然后求十个fold的平均结果来作为最终结果吗？
302 人赞同了该回答. 目录. 深度学习时代的主动学习，个人觉得肇始于MCdropout (2016年, 2019有一个补丁版) [1]，兴盛于coreset (2018年) [2]，中间夹杂着基于对抗的方法 [3]和极少量的基于强化学习方法 [4]。 这两年，感觉主动学习的研究进入冷静期，虽然也有些工作，但细看还是修修补补居多，比如把coreset的距离度量替换成wiss.距离 [5]。 但现在主动学习面临的 最尴尬的问题 还没见到很好的解决方案： 与竞品相比不够有效，又很难和其他方面发现的很有效的技巧结合来提升, 比如先进的数据扩增randaug，乃至于半监督学习等等。 最近三年我觉得还可以的工作：
2022年3月2日 · 对比主会（full/short paper） 和 findings，主要是findings对分数一般要求没那么高。. 主会一般要求没有负分（2.5及以下，confidence很低的和其他分很高的除外），且有比较明显的支持（4分及以上），而findings的分数可以稍稍低一点。. 比如，主会录用的比较borderline的 ...
10 个回答. 按时间排序. 战无不胜的思想. 宇宙历史的最简洁解释是计算它的最短/快程序. 14 人赞同了该回答. iclr三大会之一，含金量没的说，全球认可（除非是奇怪地区的二本） 至于为什么， ccf 排名也是大佬们的博弈，谁知道为什么。 发布于 2024-01-12 07:26. 知乎用户. 3 人赞同了该回答. 几年前ICLR可算一股清流，现在投稿质量也是低的可怕. 发布于 2023-12-23 20:29. ClairDeLune. 被迫变成cs phd；medical AI, bioinfo. 36 人赞同了该回答. 求求 ccf 别收了，我还要投呢！ 发布于 2023-10-13 13:52. ELPSYCONGROO. 半路出家的机器学习er. 10 人赞同了该回答.
