saltar al contenido principal
paste
bin
.ca
type · paste · share
⌘
K
Familia
La familia bin
pastebin.ca
centro
Share text and code with expiry and privacy controls.
imagebin.ca
Upload and share images with direct links.
filebin.ca
Drop a file and get a shareable link.
notebin.ca
Write Markdown notes with durable links.
turl.ca
Short, reputation-checked links.
attn.ca
Notifications and alerts for your services.
voicebin.ca
Record and share short voice clips.
dnsbin.ca
Inspect DNS and debug records.
Docs
Iniciar sesión
?
← volver a la publicación
›
Editar / bifurcar
Publicación sin título
#9CGG5Kbumj
public / public
nueva versión
anónimo
creado 2 days ago
Caduca en 5 days
796 B
sintaxis:
text
Tus cambios crean una nueva publicación enlazada a esta — la original no se toca.
nueva versión
Tus cambios crean una nueva publicación enlazada a esta — la original no se toca.
Título (opcional)
Nombre de archivo
Sintaxis
text
text
bash
c
cpp
css
diff
dockerfile
go
html
ini
java
javascript
json
kotlin
lua
makefile
markdown
nginx
php
python
ruby
rust
shellscript
sql
swift
toml
typescript
xml
yaml
Visibilidad
Feed público
Acceso
public
Caduca
7 días
10 min
1 hora
1 día
7 días
30 días
90 días
personalizada…
Caducidad personalizada
Nota de cambio
(opcional)
Esta publicación aparecerá en el feed público. Cambia Visibilidad si solo quieres compartirla por enlace.
Crear nueva versión
Cancelar
Pegar o escribir…
如何识别过拟合现象? 观察损失曲线:训练集损失持续下降,但是测试集(验证集)损失先下降,达到最低点之后开始上升;同时模型在训练集上准确率很高,在测试集上效果明显变差,就说明出现了过拟合。 为了避免过拟合,训练应该在哪个Epoch停止? 在测试(验证)损失达到最小值对应的Epoch停止训练,也就是测试损失即将由降转升的临界点。这就是早停法的核心依据。 除了早停法,还有哪些避免过拟合的方法? 正则化:L1、L2权重正则化 Dropout:训练时随机让一部分神经元失活 增加训练数据、数据增强 简化网络结构,减少网络参数 加入噪声、批量归一化(BatchNorm) 如果你想要更简短精简