Dropoutのドロップ率は0.5にすると良いというのは本当か？ - へたれプログラマーのメモ
機械学習、ディープラーニングの話です。 やったこと ChainerでMLPにMNISTを学習させる際のDropoutのドロップ率を0.5、0.6、0.7と変えてどうなるか試しました。 結果を先に書くと、0.5がいちばん過学習がひどかったので、0.5にこだわる理由は特に無さそうです。 プログラム import chainer import chainer.functions as F import chainer.links as L from chainer import optimizers import data import numpy as np import sys import time import datetime class MLP(chainer.Chain): def __init__(self, n_in, n_hid, n_out, dropout_ratio):
わかるLSTM ～ 最近の動向と共に - Qiita
Machine Learning Advent Calendar 2015 第14日です。去年のAdvent Calendarで味をしめたので今年も書きました。質問、指摘等歓迎です。 この記事の目的 ここ2～3年のDeep Learningブームに合わせて、リカレントニューラルネットワークの一種であるLong short-term memory(LSTM)の存在感が増してきています。LSTMは現在Google Voiceの基盤技術をはじめとした最先端の分野でも利用されていますが、その登場は1995年とそのイメージとは裏腹に歴史のあるモデルでもあります。ところがLSTMについて使ってみた記事はあれど、詳しく解説された日本語文献はあまり見当たらない。はて、どういうことでしょうか。 本記事ではLSTMの基礎をさらいつつ、一体全体LSTMとは何者なのか、LSTMはどこに向かうのか、その中身をまとめ
これから始める人の為のディープラーニング基礎講座
このスライドは 2017 年 4 月 18 日（水）に東京ミッドタウンで開催された NVIDIA Deep Learning Institute Day #NVDLD の最初のセッション「これから始める人の為のディープラーニング基礎講座」にて山崎和博がプレゼンテーションを行ったスライドです。Read less
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
