深度学习的loss一般收敛到多少？ - 知乎
看题主的意思，应该是想问，如果用训练过程当中的loss值作为衡量深度学习模型性能的指标的话，当这个指标下降到多少时才能说明模型达到了一个较好的性能，也就是将loss作为一 …
深度学习中loss和accuracy的关系? - 知乎
loss 的具体形式取决于机器学习任务的类型。 例如，在回归问题中，常用的 loss 函数包括平方损失、绝对损失和对数损失；在分类问题中，常用的 loss 函数包括交叉熵损失和 Hinge 损失。
keras深度学习框架输出acc/loss,val_acc/val_loss，什么意思？
上图就是一个很典型的过拟合现象，训练集的 loss 已经降到0了，但是验证集的 loss 一直在上升，因此这不是一个很好的模型，因为它太过拟合了。 如果我们非要用这个模型，应该在5~10 …
深度学习的多个loss如何平衡？ - 知乎
多个loss引入pareto优化理论，基本都可以涨点的。 例子： Multi-Task Learning as Multi-Objective Optimization 可以写一个通用的class用来优化一个多loss的损失函数，套进任何方法里都基本会 …
深度学习当中train loss和valid loss之间的关系？ - 知乎
Nov 8, 2018 · 深度学习当中train loss和valid loss之间的关系，在一个caption实验当中，使用交叉熵作为损失函数，虽然随着训练，模型的评价指标的… 显示全部 关注者 35 被浏览
如何分析kaiming新提出的dispersive loss，对扩散模型和aigc会带 …
Dispersive Loss 的目的： 是最大化表示的 分散性。 当不进行 \ell_2 归一化时，特征向量的 范数（长度） 是被允许自由变化的。 如果模型为了最小化 Dispersive Loss，它会倾向于让特征向 …
神经网络模型train_loss下降，val_loss一直上升是什么原因？ - 知乎
train_loss 不断下降， test_loss 不断上升，和第2种情况类似说明网络过拟合了。 应对神经网络过拟合的方法包括： 简化模型。 通过减少神经网络层数或神经元数量来降低模型复杂度，从而 …
强化学习中actor_loss和critic_loss收敛问题？ - 知乎
在正常的训练过程中，actor_loss和critic_loss的减小趋势表明模型在不断学习和优化。 若在训练过程中发现actor_loss持续增大，这可能意味着Actor未能有效学习到优化策略，或者Critic的反馈 …
求通俗易懂解释下nce loss？ - 知乎
Tensorflow实现了两种常用与word2vec的loss，sampled softmax和NCE，这两种loss本身可以用于任意分类问题。 之前一直不太懂这两种方法，感觉高深莫测，正好最近搞懂了，借tensorflow …
关于短语at a loss的用法？ - 知乎
牛津高阶上，给出的用法是be at a loss for words 和I'm at a loss what to do next. （后例也出现在…