All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	Dropout typically increases training loss and slows {{Term\|convergence}}, since the effective model {{Term\|capacity}} is reduced at each {{Term\|training step\|step}}. However, it decreases the gap between training and validation performance, leading to better {{Term\|generalization}}. If training loss is already high ({{Term\|underfitting}}), dropout should be reduced or removed.
^h Spanish (es)	El dropout normalmente aumenta la pérdida de entrenamiento y ralentiza la {{Term\|convergence\|convergencia}}, ya que la {{Term\|capacity\|capacidad}} efectiva del modelo se reduce en cada {{Term\|training step\|paso}}. Sin embargo, disminuye la brecha entre el rendimiento de entrenamiento y de validación, llevando a una mejor {{Term\|generalization\|generalización}}. Si la pérdida de entrenamiento ya es alta ({{Term\|underfitting\|subajuste}}), el dropout debe reducirse o eliminarse.
^h Chinese (zh)	Dropout 通常会增加训练损失并减慢{{Term\|convergence\|收敛}}速度,因为每个{{Term\|training step\|训练步}}的有效模型{{Term\|capacity\|容量}}都会减少。然而,它缩小了训练和验证性能之间的差距,带来更好的{{Term\|generalization\|泛化能力}}。如果训练损失已经很高({{Term\|underfitting\|欠拟合}}),则应减少或移除 dropout。