gpt4 book ai didi

machine-learning - 如何标准化不同激活函数的训练数据?

转载 作者:行者123 更新时间:2023-11-30 09:25:53 24 4
gpt4 key购买 nike

我正在训练全连接神经网络来对 MNIST 数据集进行分类。输入数据是方形黑白图像,像素值为 [0, 255]

我读到,要使用 sigmoid() 激活器,需要将输入标准化为 [0, 1] (sigmoid 的范围)。

如何标准化 tanh() 激活器的输入数据?我是否需要将其重新调整为 [-1, 1] (tanh 范围),或者仍然可以在 [0, 1] 中。

哪种方法更好,为什么?一般指导是什么?

最佳答案

您不必对不同的激活函数使用不同的标准化。事实上,您不必将输入规范化为 sigmoid 的 [0, 1] 形式。 sigmoid [0, 1] 的范围就是其输出的范围。它的输入(域)范围实际上是从负无穷大到正无穷大。

更重要的是,您的输入不会直接进入 sigmoid 函数,因此图像输入的范围与 sigmoid 获得的输入范围不同。中间会有一些线性层来改变数据范围。

一般指导是将您的输入标准化为 [-1, 1]。这与激活函数无关,而是反向传播的通用有效措施。请参阅Effective BackProp .

关于machine-learning - 如何标准化不同激活函数的训练数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51646475/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com