吴恩达深度学习课程记录

释放双眼,带上耳机,听听看~!

it is possible to use both L2 regularization and dropout

np.sum

吴恩达深度学习课程记录
没有指明维度,那么np.sum计算的是整个矩阵的和

L2_regularization_cost

吴恩达深度学习课程记录

### START CODE HERE ### (approx. 1 line)
    L2_regularization_cost = np.sum((np.sum(np.square(W1)),np.sum(np.square(W2)),np.sum(np.square(W3))))*lambd/(2*m)

L2_regularization_cost 适合于希望超参数少的情况,现在只需要调lambd
如果lambd太大的话,分类就会太“平滑”,导致高偏差.

【转自慕课】https://www.imooc.com

Python

Ubuntu16.04下Nginx+uwsgi部署Django项目

2022-3-3 8:02:01

Python

一些基础的python语句9 递归函数

2022-3-3 8:11:14

搜索