使用Tensorflows Object Detection API训练目标检测DNN时,可视化平台Tensorboard绘制了一个名为regularization_loss_1
的标量。
那这是什么?我知道正则化是什么(通过各种方法如舍弃法使网络具有泛化能力),但我不清楚这个显示的损失是什么。
谢谢!
使用Tensorflows Object Detection API训练目标检测DNN时,可视化平台Tensorboard绘制了一个名为regularization_loss_1
的标量。
那这是什么?我知道正则化是什么(通过各种方法如舍弃法使网络具有泛化能力),但我不清楚这个显示的损失是什么。
谢谢!
TL;DR: 正则化函数生成的额外损失。将其添加到网络的损失中并在两者之和上进行优化。
正如您正确指出的那样,正则化方法用于帮助优化方法更好地概括。 一种获得此效果的方法是将一个“正则化项”添加到损失函数中。这个项是一个通用函数,它修改“全局”损失(即网络损失和正则化损失的总和),以便将优化算法推向期望的方向。
例如,假设出于某种原因,我想鼓励优化的解使权重尽可能接近零。因此,一种方法是将网络产生的损失与网络权重的函数相加(例如,所有权重的绝对值之和的缩小比例)。由于优化算法最小化全局损失,我的正则化项(当权重远离零时较高)将推动优化朝着具有接近于零的权重的解的方向。