神经网络损失函数的选择及作用 - 飞书文档
https://docs.feishu.cn/v/wiki/XS1WwKXlaij6S7kxmfjcoCKSnKh/a5在构建好神经网络之后，我们就可以开始训练我们的网络了。训练是一个迭代的过程，我们需要将数据输入到网络中，计算输出，计算损失函数值，然后使用优化算法更新权重。这个 ...
飞搜侠
热门搜索
T5模型释义生成的训练过程中如何选择优化算法 - 飞书文档
https://docs.feishu.cn/v/wiki/QojkwASlRiGHo0kiOKucdedenPf/ac这通常使用基于梯度下降的优化算法，如随机梯度下降（SGD）或其变种，如Adagrad、Adadelta等。在训练过程中，我们需要定义合适的损失函数来衡量模型生成的释义文本与真实释义 ...
如何选择合适的损失函数和优化器进行MNIST训练？ - 飞书文档
https://docs.feishu.cn/v/wiki/R8DHwWDqSirDZPkuOx6cngnunie/ai2.训练模型 · enumerate\(test\_loader\) ：将测试集数据加载器转换为可枚举对象。 · next\(examples\) ：获取第一个批次的数据。 · print\(example\_targets\) ：打印该批次的 ...
数据源字段与优化算法 - 飞书文档
https://docs.feishu.cn/v/wiki/U5jfwYkxPifQDHkPwRdcLPqbnfd/a5Task1直播问题： train和test的数据是怎么收集的如何进行数据增强特征工程那部分参数怎么选择的呢train和test的数据是怎么收集的呀如何进行数据增强请问为什么选择决策 ...
AI图像识别与分类中如何选择合适的优化算法？ - 飞书文档
https://docs.feishu.cn/v/wiki/XYf7wug65iAEwsk80IAczzL0n0f/ac- 在训练过程中，需要选择合适的优化算法和损失函数，以提高训练的效率和准确性。 ... - 使用测试集对训练好的模型进行评估，计算模型的准确率、召回率、F1 值等指标 ...
从0开始实现LLM：优化算法详解 - 飞书文档
https://docs.feishu.cn/v/wiki/NZUCwY9lmisnEhkiGW1cMp7HnQe/amPPO 算法通过限制策略更新步长，确保训练过程的稳定性。DPO 则是PPO 的分布式优化，提高了计算效率。KTO 利用核函数近似TD 误差，为策略优化提供了新的视角。SimPO 进一步简化 ...
Transformer 模型的正则化方法如何选择？ - 飞书文档
https://docs.feishu.cn/v/wiki/Vag9wQn9CiA8gjkg7kXcSrR0nCh/an模型构建与训练使用深度学习框架根据预设超参数建立模型并训练以提取数据特征，而模型评估与优化则是通过测试集验证模型性能并据此调整模型以提高其泛化能力。 模型构建与 ...
如何选择适合AI模型训练的架构 - 飞书文档
https://docs.feishu.cn/v/wiki/GKBTwGDpUibGLSkf04KcnAVUn7e/a4为了找到这组参数，我们可以使用一些优化算法，比如随机梯度下降、Adagrad、Adadelta等等。这些优化算法能够帮助我们快速地找到损失函数的最小值。 ... 测试数据上表现 ...
如何选择和开发AI算法 - 飞书文档
https://docs.feishu.cn/v/wiki/Myxlw068biDH97kvJWKcQpisnue/a4模型的训练和评估是AI项目中的重要环节。通过使用准备好的数据对算法进行训练，可以使模型学习到数据中的模式和规律。在训练过程中，需要选择合适的训练方法和优化算法，如 ...
MOLLEO：提升分子优化的创新方法 - 飞书文档
https://docs.feishu.cn/v/wiki/Sl5wwLTSAi7pdekfnUvcCfk4nMf/a1然而，这些算法的一个主要缺点是它们随机生成候选结构而不利用任务特定的信息，从而导致需要大量的目标函数评估。因为评估属性的昂贵，分子优化除了找到最佳期待属性的分子 ...