DAY40 训练与测试规范写法

一、核心知识点回顾
  1. 图片数据处理规范

    • 彩色 / 灰度图片的训练、测试逻辑需封装成独立函数,便于复用和维护。
    • 展平操作:保留第 1 维(batchsize),将后续所有维度(如H,W,C)展平为一维向量,适配全连接层输入。
  2. Dropout 操作逻辑

    • 训练阶段:随机丢弃部分神经元,防止过拟合。
    • 测试阶段 :切换模型为eval()模式,关闭 Dropout,保证推理结果稳定。
相关推荐
GPU实战笔记6 分钟前
L40S 云端任务验证:从推理、微调到生成工作流的边界
人工智能·模型微调·gpu租用·nvidia l40s·gpu 云服务器
让学习成为一种生活方式7 分钟前
厚朴(Magnolia officinalis)染色体水平基因组--iScience
大数据·人工智能
m4Rk_7 分钟前
【论文阅读】Agent记忆机制(109):MemComposer——用强化学习学会选哪些记忆、选多少以及怎样排序
论文阅读·人工智能·学习·开源·github
zhangdaliangmvp7 分钟前
快速排序的学习理解:从基础分治到三路划分优化
c++·学习·算法
加宝的起点雷达10 分钟前
多个 AI 编程代理之间,上下文怎么共享:三类做法和三个坑
人工智能·架构
Data-Miner12 分钟前
AI 大模型安全深度分析:风险演化、治理现状与前瞻路径
人工智能·安全
具身AGI13 分钟前
三维动态只当训练信号,不进推理
人工智能·深度学习·计算机视觉
乐迪信息15 分钟前
AI算法盒子船体烟火检测:港口火灾早预警
人工智能·深度学习·算法
cc_瀚海知行20 分钟前
资料检索 1|直接放入全文、按需读文件和先检索,有什么区别?
java·人工智能·ai
lisw0535 分钟前
发酵算法两大应用方向解析
算法·数学建模