待验证50% 置信事实精确时间

数据归一化使损失曲面更接近球形，优化器能更高效地找到最优解，避免因特征尺度差异导致的震荡和收敛缓慢

1

来源数

50%

置信度

长期有效

时效性

2026/8/17

首次发现

来源

深度学习入门路线图：从数学基础到PyTorch实战完整指南

相关事实

待验证增大批次大小可以让Dice损失的估计更加平滑，因为它基于更大的样本区域进行计算73% 相似待验证数据增强、标签平滑、适度的权重衰减等技术可以有效压平插值阈值附近的误差尖峰72% 相似待验证块划分粒度是多目标优化问题：块越小近似精度越高但元数据开销增大且GPU并行效率降低70% 相似已验证梯度下降是机器学习中最核心的优化算法，学习率过大会导致震荡、过小则收敛缓慢69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/762131

API

curl https://kongchang.com/api/v1/knowledge/claims/762131

MCP

get_claim(id=762131)