Translations:Convolutional Neural Networks/31/es - Revision history

DeployBot: Batch translate Convolutional Neural Networks unit 31 → es

2026-04-27T23:37:01Z

Batch translate Convolutional Neural Networks unit 31 → es

← Older revision		Revision as of 23:37, 27 April 2026
Line 1:		Line 1:
	* ~~Utiliza~~ modelos preentrenados (transfer learning) cuando los datos etiquetados ~~son~~ limitados.		* Usa modelos preentrenados (transfer learning) cuando los datos etiquetados sean limitados.
	* Prefiere kernels pequeños (<math>3 \times 3</math>) apilados en profundidad — dos capas <math>3 \times 3</math> tienen el mismo campo receptivo que una capa <math>5 \times 5</math>, pero con menos parámetros.		* Prefiere kernels pequeños (<math>3 \times 3</math>) apilados en profundidad — dos capas <math>3 \times 3</math> tienen el mismo campo receptivo que una capa <math>5 \times 5</math> pero con menos parámetros.
	* Aplica batch ~~normalisation~~ después de la convolución y antes de la activación.		* Aplica la {{Term\|batch normalization\|normalización por lotes}} después de la convolución y antes de la {{Term\|activation function\|activación}}.
	* ~~Utiliza data augmentation con generosidad~~ para reducir el [[Overfitting and Regularization\|sobreajuste]].		* Usa aumento de datos generosamente para reducir el [[Overfitting and Regularization\|sobreajuste]].
	* ~~Sustituye~~ las capas totalmente conectadas ~~por~~ global average pooling para reducir parámetros.		* Reemplaza las capas totalmente conectadas con global average {{Term\|pooling\|pooling}} para reducir parámetros.

DeployBot: Batch translate Convolutional Neural Networks unit 31 → es

2026-04-27T21:58:54Z

Batch translate Convolutional Neural Networks unit 31 → es

← Older revision		Revision as of 21:58, 27 April 2026
Line 1:		Line 1:
	* ~~Utilice~~ modelos preentrenados (transfer learning) cuando los datos etiquetados ~~sean~~ limitados.		* Utiliza modelos preentrenados (transfer learning) cuando los datos etiquetados son limitados.
	* ~~Prefiera~~ kernels pequeños (<math>3 \times 3</math>) apilados en profundidad — dos capas <math>3 \times 3</math> tienen el mismo campo receptivo que una capa <math>5 \times 5</math> pero con menos parámetros.		* Prefiere kernels pequeños (<math>3 \times 3</math>) apilados en profundidad — dos capas <math>3 \times 3</math> tienen el mismo campo receptivo que una capa <math>5 \times 5</math>, pero con menos parámetros.
	* ~~Aplique~~ batch normalisation después de la convolución y antes de la activación.		* Aplica batch normalisation después de la convolución y antes de la activación.
	* ~~Utilice generosamente la aumentación de datos~~ para reducir el [[Overfitting and Regularization\|sobreajuste]].		* Utiliza data augmentation con generosidad para reducir el [[Overfitting and Regularization\|sobreajuste]].
	* ~~Reemplace~~ las capas totalmente conectadas ~~con~~ global average pooling para reducir parámetros.		* Sustituye las capas totalmente conectadas por global average pooling para reducir parámetros.

DeployBot: Batch translate Convolutional Neural Networks unit 31 -> es

2026-04-27T03:51:17Z

Batch translate Convolutional Neural Networks unit 31 -> es

New page

* Utilice modelos preentrenados (transfer learning) cuando los datos etiquetados sean limitados.
* Prefiera kernels pequeños (<math>3 \times 3</math>) apilados en profundidad — dos capas <math>3 \times 3</math> tienen el mismo campo receptivo que una capa <math>5 \times 5</math> pero con menos parámetros.
* Aplique batch normalisation después de la convolución y antes de la activación.
* Utilice generosamente la aumentación de datos para reducir el [[Overfitting and Regularization|sobreajuste]].
* Reemplace las capas totalmente conectadas con global average pooling para reducir parámetros.