All translations
Enter a message name below to show all available translations.
Found 3 translations.
| Name | Current message text |
|---|---|
| h English (en) | * A batch-normalized network matched the accuracy of the original Inception model in only '''7% of the training steps''' (14x acceleration). * '''BN-Inception''' (with {{Term|batch normalization}} and other modifications) achieved a top-5 validation error of 4.82%, exceeding the accuracy of the original GoogLeNet (6.67%) and approaching human performance. * Using {{Term|batch normalization}} allowed training with a {{Term|learning rate}} 10x higher than the baseline without divergence. * On some configurations, {{Term|batch normalization}} eliminated the need for {{Term|dropout}} without accuracy loss, simplifying the architecture and reducing training time further. |
| h Spanish (es) | * Una red con normalización por lotes igualó la precisión del modelo Inception original en solo el '''7 % de los pasos de entrenamiento''' (aceleración de 14x). * '''BN-Inception''' (con {{Term|batch normalization|normalización por lotes}} y otras modificaciones) alcanzó un error de validación top-5 del 4,82 %, superando la precisión del GoogLeNet original (6,67 %) y acercándose al rendimiento humano. * El uso de {{Term|batch normalization|normalización por lotes}} permitió entrenar con una {{Term|learning rate|tasa de aprendizaje}} 10 veces superior a la línea base sin divergencia. * En algunas configuraciones, la {{Term|batch normalization|normalización por lotes}} eliminó la necesidad de {{Term|dropout}} sin pérdida de precisión, simplificando la arquitectura y reduciendo aún más el tiempo de entrenamiento. |
| h Chinese (zh) | * 批归一化网络仅用'''7% 的训练步数'''就达到了原始 Inception 模型的精度（加速 14 倍）。 * '''BN-Inception'''（带有{{Term|batch normalization|批归一化}}和其他修改）实现了 4.82% 的 top-5 验证误差，超过了原始 GoogLeNet（6.67%）的精度，接近人类水平。 * 使用{{Term|batch normalization|批归一化}}允许使用比基线高 10 倍的{{Term|learning rate|学习率}}进行训练而不发散。 * 在某些配置上，{{Term|batch normalization|批归一化}}消除了对 {{Term|dropout}} 的需要而不损失精度，进一步简化了架构并减少了训练时间。 |