1 在自然语言处理任务中词嵌入层是所有文本表示模型中都需要用到的。2模型越复杂训练错误越低。3循环序列网络不能用于图像识别任务。4采用小批样例更新参数 可以使模型收敛更快。5 TFIDF 是一中稠密的文本表示法可以降低空间的维度6Softmax通常用于多分类任务的输出层。7 类别交叉熵损失函数不能用于处理二类别分类问题。8 如果数据量较小容易发生过拟合。9 LSTM模型可以用来表示上下文信息。10
-
卷积神经网络常用于处理图像和语音信号等具有空间或时间结构的数据。
-
词袋模型是一种简单的文本表示方法，将每个词的出现次数作为特征。
-
梯度下降是一种常用的优化算法，用于最小化模型的损失函数。
-
Dropout 是一种常用的正则化方法，可以防止过拟合。
-
词嵌入技术可以将高维的词向量映射到低维空间，从而得到更好的文本表示。
原文地址: https://www.cveoy.top/t/topic/hrql 著作权归作者所有。请勿转载和采集!