深度学习 | 训练网络trick——label smoothing(附代码)

1.背景介绍： 在多分类训练任务中，输入图片通过神级网络的计算，会获得当前输入图片对应于各个类别的置信度分数，这些分数会被softmax进行归一化处理，最终获得当前输入图片属于每一个类别的几率。c++ 以后在使用交叉熵函数来计算损失值：git 最终在训练网络时，最小化预测几率和标签真实几率的交叉熵，从而获得最优的预测几率分布。在此过程当中，为了达到最好的拟合效果，最优的预测几率分布为：github

>>阅读原文<<