免费编程教程

全部标签 Python 自动化 系统设计 可视化 开源 安全 Java Android 隐私 架构 性能 微调
最新
自蒸馏正则化

将模型上一阶段的预测作为软目标指导当前训练，或利用 EMA 教师进行自蒸馏，起到平滑和正则化效果。

人工智能 自蒸馏 正则化 知识蒸馏
5 0 0
2026-06-21
最新
正则化 DropBlock

学习 DropBlock 如何丢弃连续区域而非独立单元，强制网络利用剩余区域学习，适合卷积层正则化。

人工智能 DropBlock 正则化 卷积
2 0 0
2026-06-21
最新
Mixup 数据增强

学习 Mixup 增强，通过随机线性插值混合两个样本及其标签，引导模型学习线性行为，增强泛化与鲁棒性。

人工智能 Mixup 数据增强 正则化
3 0 0
2026-06-21
最新
标签平滑 Label Smoothing

将硬目标 one-hot 标签调整为软标签，降低模型对训练标签的信心，提升泛化与模型校准能力。

人工智能 标签平滑 正则化 校准
3 0 0
2026-06-21
最新
Stochastic Depth

学习在训练超深残差网络时随机丢弃整层，只在测试时使用完整深度，类似 Dropout 的层级别正则化手段。

人工智能 Stochastic Depth 正则化 深度网络
3 0 0
2026-06-21
最新
Dropout 与变体

回顾 Dropout 原理及其变体如 DropConnect、Spatial Dropout、变分 Dropout，在训练时随机丢弃单元防止过拟合。

人工智能 Dropout 正则化 过拟合
3 0 0
2026-06-21
最新
正则化与过拟合

应对模型过拟合，使用 L1/L2 惩罚、Dropout 层和提前终止训练。

人工智能 正则化 过拟合 L1/L2
10 0 0
2026-06-16