Поиск.
Найдено: 2 модели и 20 материалов
Нейросети
Весь каталог
Материалы
Как обучать MLPClassifier пакетами через partial_fit
Потоковое обучение MLPClassifier мини-пакетами: первый classes, Incremental StandardScaler, несколько эпох, контроль n_iter_ и accuracy.
Как обучить MLPClassifier со StandardScaler без утечки данных
Проверяемый Pipeline из StandardScaler и MLPClassifier: раздельная выборка, обучение scaler только на train, accuracy и защита от утечки.
Как продолжить обучение MLPRegressor через warm_start
Проверка warm_start без переинициализации весов: два fit, изменение coefs_, loss до и после, границы метода и отличие от partial_fit.
Как исключить bias из weight decay через Optax
Optax 0.2.6: маска add_decayed_weights применяет decay к kernel и оставляет bias без изменения.
Как ограничить gradient каждого примера через Optax
Optax 0.2.6: per_example_global_norm_clip отдельно ограничивает batch-градиенты и возвращает их сумму и число clipping-событий.
Как накапливать gradients через Optax MultiSteps
Optax 0.2.6: MultiSteps усредняет два microbatch-gradient и обновляет SGD только на каждом втором вызове.
Как обновлять target network через Optax periodic_update
Optax 0.2.6: periodic_update копирует online parameters на шагах, кратных update_period, и сохраняет target между ними.
Как проверить weight decay в Optax AdamW
Optax 0.2.6: изолируем decoupled weight decay на нулевом gradient и проверяем точный update параметра.
Как усреднить updates через Optax ema
Optax 0.2.6: ema с decay 0,5 без debias превращает updates 2 и 4 в последовательность 1 и 2,5.
Как усреднять веса через Optax incremental_update
Optax 0.2.6: Polyak update вычисляет step_size·new+(1-step_size)·old для целого PyTree параметров.
Как заморозить bias через Optax selective_transform
Optax 0.2.6: selective_transform зануляет update замороженного листа и обучает только разрешённые параметры.
Почему Optax apply_every не равен большому batch
Optax 0.2.6: apply_every суммирует gradients, но соседние transforms в chain обновляют state на каждом вызове.
Почему Optax masked не замораживает параметры
Optax 0.2.6: masked преобразует выбранные листья, а остальные updates пропускает; точный тест kernel и bias.
Как инициализировать двухслойную нейросеть в JAX
Двухслойный MLP без фреймворка: random.split, масштаб весов, ReLU, PyTree параметров, одиночный и пакетный входы.
Как накопить средний loss через Flax NNX metrics.Average
Flax 0.12.10: Average учитывает каждый элемент двух batch, compute возвращает общий mean, reset очищает состояние.
Как настроить cosine decay learning rate в Optax
Optax 0.2.6: cosine decay от 0,1 до нуля за 10 шагов; контроль значений на старте, середине и конце.
Как нормализовать каналы через Flax NNX GroupNorm
Flax 0.12.10: GroupNorm для NHWC, четыре канала и две группы, проверка статистик без зависимости от batch.
Как нормализовать каждый канал через Flax NNX InstanceNorm
Flax 0.12.10: InstanceNorm для NHWC нормирует пространственные значения каждого канала и каждого изображения отдельно.
Как нормализовать признаки через Flax NNX LayerNorm
Flax 0.12.10: LayerNorm по последней оси, формы scale и bias, нулевое среднее и единичное стандартное отклонение.
Как объединить clipping и SGD через Optax chain
Optax 0.2.6: chain последовательно применяет global clipping и SGD; точная проверка update для gradient 3–4.