总结smooth L1为什么好！
smooth L1 loss能从两个方面限制梯度： 当预测框与 ground truth 差别过大时，梯度值不至于过大； 当预测框与 ground truth 差别很小时，梯度值足够小。 考察如下几种损失函数，其中 损失函数对 x 的导数分别为： 观察 (4)，当 x 增大时 L2 损失对 x 的导数也增大。这就导致训练初期，预测值与 groud truth 差异过于大时，损失函数对预测值的梯度十
相关文章
- 1. smooth L1相比L1和L2，为什么好？
- 2. L1,L2,smooth L1
- 3. smooth l1
- 4. L1, L2以及smooth L1 loss
- 5. 损失函数 l1, l2, smooth l1
- 6. smooth L1 loss个人理解
- 7. Nginx为什么快,为什么好用
- 8. 为什么L1稀疏，L2平滑？
- 9. 为什么L1稀疏L2平滑？
- 10. 为什么情人总比老婆好
- 更多相关文章...
- • 为什么使用 XML Schemas? - XML Schema 教程
- • 为什么使用 Web Services? - Web Services 教程
- • 算法总结-双指针
- • 算法总结-回溯法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. smooth L1相比L1和L2，为什么好？
- 2. L1,L2,smooth L1
- 3. smooth l1
- 4. L1, L2以及smooth L1 loss
- 5. 损失函数 l1, l2, smooth l1
- 6. smooth L1 loss个人理解
- 7. Nginx为什么快,为什么好用
- 8. 为什么L1稀疏，L2平滑？
- 9. 为什么L1稀疏L2平滑？
- 10. 为什么情人总比老婆好