摘要：
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者：T 阅读全文
摘要：
交叉熵公式： $H(p, q)=-\sum_{x} p(x) \log q(x)$ 其中： $p$ 代表真实分布； $q$ 代表拟合分布； 代码： # Example of target with class indices loss = nn.CrossEntropyLoss() input = 阅读全文
摘要：
论文信息 论文标题：Do We Need Zero Training Loss After Achieving Zero Training Error?论文作者：Takashi Ishida, I. Yamane, Tomoya Sakai, Gang Niu, M. Sugiyama论文来源：20 阅读全文