การทำความเข้าใจการทำให้เป็นมาตรฐานและความไม่เป็นมาตรฐานในการเรียนรู้เชิงลึก
ในบริบทของการเรียนรู้เชิงลึก การทำให้เป็นมาตรฐานหมายถึงกระบวนการลดขนาดข้อมูลอินพุตให้มีค่าเฉลี่ย 0 และค่าเบี่ยงเบนมาตรฐานเป็น 1 โดยทั่วไปจะทำเพื่อป้องกันไม่ให้โมเดลไวต่อขนาดของข้อมูลอินพุต และ เพื่อปรับปรุงลักษณะทั่วไปของแบบจำลองเป็นข้อมูลใหม่ การทำให้ไม่เป็นมาตรฐานเป็นกระบวนการของการเลิกทำการเปลี่ยนแปลงการทำให้เป็นมาตรฐานที่ใช้กับข้อมูลอินพุต โดยทั่วไปจะทำหลังจากการส่งต่อโมเดล เพื่อให้เอาท์พุตของโมเดลอยู่ในสเกลเดียวกันกับอินพุต
ตัวอย่างเช่น หากเรามีโมเดลที่รับรูปภาพเป็นอินพุตและเอาท์พุตแผนผังคุณลักษณะ เราอาจ ใช้การทำให้เป็นมาตรฐานกับภาพที่นำเข้าโดยการลบค่าเฉลี่ยและหารด้วยค่าเบี่ยงเบนมาตรฐาน หลังจากการส่งต่อ เราจะทำให้แผนผังคุณลักษณะเอาต์พุตไม่ปกติโดยการเพิ่มค่าเฉลี่ยและคูณด้วยค่าเบี่ยงเบนมาตรฐาน เพื่อให้แน่ใจว่าแผนผังคุณลักษณะเอาต์พุตจะมีขนาดเดียวกันกับรูปภาพอินพุต การทำให้ไม่เป็นมาตรฐานเป็นขั้นตอนสำคัญในไปป์ไลน์การเรียนรู้เชิงลึกหลายๆ รายการ เนื่องจากช่วยให้เราสามารถเปรียบเทียบเอาต์พุตของโมเดลกับอินพุต และเพื่อให้เห็นภาพคุณสมบัติที่เรียนรู้จาก แบบอย่าง. นอกจากนี้ยังช่วยให้เราสามารถใช้ข้อมูลอินพุตเดียวกันสำหรับหลายรุ่น โดยไม่ต้องกังวลกับขนาดของอินพุตที่ส่งผลต่อผลลัพธ์
ฉันชอบวิดีโอนี้
ฉันไม่ชอบวิดีโอนี้
รายงานข้อผิดพลาดของเนื้อหา
share
