【深度学习】深度学习用到的常用术语

深度学习用到的常用术语

• 特征(feature)：预测时使用的输入变量
• 特征集(feature set)：训练深度学习模型时采用的一组特征
• 标签(label)：监督学习中样本的“标准答案”
• 类别(class)：为标签枚举的一组目标值中的一个
• 样本(example)/输入(input)：数据集的一行，分为有标签样本和无标签样本
• 权重(weight)：线性模型中特征的系数，或者深度网络中的边
• 偏差(bias)：距离原点的截距或偏移
• 激活函数(activation function)：一种用于对上一层所有输入加权求和后生成输出值以传递给下一层的函数
• 反向传播(back propagation)：在神经网络上执行梯度下降法的主要算法，先前向传播计算并存储每个结点的输出值，再反向传播遍历图去计算损失函数值相对每个参数的偏导数
• 批次(batch)：模型训练的一次迭代(一次梯度更新)中使用的样本集
• 批次大小(batch size)：一个批次