内容纠正 v1.0

LuanKX · May 26, 2021 · f68dbab · f68dbab
1 parent e521f83
commit f68dbab
Show file tree

Hide file tree

Showing 9 changed files with 3 additions and 3 deletions.
diff --git a/DeepLearningAlgorithm/readme.md b/DeepLearningAlgorithm/readme.md
diff --git a/NLPinterview/readme.md b/NLPinterview/readme.md
diff --git a/README.md b/README.md
@@ -1285,4 +1285,4 @@
       - [（4）加权交叉熵损失函数](Tensorflow/loss_study//readme.md#4加权交叉熵损失函数)
       - [（5）Softmax交叉熵损失函数](Tensorflow/loss_study//readme.md#5softmax交叉熵损失函数)
       - [(6) SparseCategoricalCrossentropy vs sparse_categorical_crossentropy](Tensorflow/loss_study//readme.md#6-sparsecategoricalcrossentropy-vs-sparse_categorical_crossentropy)
-  - [五、总结](Tensorflow/loss_study//readme.md#五总结)
+  - [五、总结](Tensorflow/loss_study//readme.md#五总结)   
diff --git a/Tensorflow/readme.md b/Tensorflow/readme.md
diff --git a/Trick/batch_size/readme.md b/Trick/batch_size/readme.md
@@ -12,4 +12,4 @@
 
 2. 传入的时候是矩阵，宏观上是同时，微观上就是硬件底层运算，biggan的batchsize是2048，我记得作者做过实验再大的话就会训练不稳定并且提升已经很低了。
 3. batch一般选取2^n，主要是为了符合计算机内部的计算
-4. 大的batchsize减少训练时间，提高稳定性，计算更加稳定，因为模型训练曲线会更加平滑，但是会导致模型泛化能力下降，而小的batchsize会会有更好的泛化能力从而逃离sharp minimum，当我们增加batchsize为原来的N倍时，要保证经过同样的样本后更新的权重相等，按照线性缩放规则，学习率应该增加为原来的N倍，但是如果要保证权重的方差不变，则学习率应该增加为原来的sqrt(N)倍
+4. 大的batchsize减少训练时间，提高稳定性，计算更加稳定，因为模型训练曲线会更加平滑，但是会导致模型泛化能力下降，而小的batchsize会会有更好的泛化能力从而逃离sharp minimum，当我们增加batchsize为原来的N倍时，要保证经过同样的样本后更新的权重相等，按照线性缩放规则，学习率应该增加为原来的N倍，但是如果要保证权重的方差不变，则学习率应该增加为原来的sqrt(N)倍   
diff --git a/Trick/cross_validation/readme.md b/Trick/cross_validation/readme.md
@@ -8,7 +8,7 @@
 > 
 > 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
 > 
-> 【注：手机阅读可能图片打不开！！！】
+> 【注：手机阅读可能图片打不开！！！】  
 
 ## 一、为什么需要交叉验证？
 

diff --git a/Trick/readme.md b/Trick/readme.md
diff --git a/resource/readme.md b/resource/readme.md
diff --git a/xmind/readme.md b/xmind/readme.md