如何解决TensorFlow API 中的正则化损失是什么?它不符合任何其他损失函数
我正在使用 V2 模型动物园训练一个 EfficientDet V7 模型,并且在 TensorBoard 中有以下输出:
这很好,你可以看到我的分类和定位损失降到了低水平(如果这是一个单独的问题,我会担心以后会过度拟合)——但是正则化损失仍然很高,这使我的总损失保持不变在相当高的水平。我似乎无法 a) 找到一个明确的解释(对于新手)我正在看的正则化损失(它在这种情况下代表什么)和 b)关于为什么它可能如此之高的建议。
解决方法
通常,正则化损失类似于根据神经网络的权重计算的 L2 损失。最小化这种损失往往会缩小权重的值。 这是一种正则化(因此得名)技术,可以帮助解决诸如过度拟合之类的问题(如果您想了解更多信息,也许 this article 可以提供帮助)。
底线:您无需对此做任何事情。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。