神经网络CNN训练心得--调参经验
来源:互联网 发布:excel调用单元格数据 编辑:程序博客网 时间:2024/05/12 10:59
1.样本要随机化,防止大数据淹没小数据
2.样本要做归一化。关于归一化的好处请参考:为何需要归一化处理
3.激活函数要视样本输入选择(多层神经网络一般使用relu)
4.mini batch很重要,几百是比较合适的(很大数据量的情况下)
5.学习速率(learning rate)很重要,比如一开始可以lr设置为0.01,然后运行到loss不怎么降的时候,学习速率除以10,接着训练
6.权重初始化,可用高斯分布乘上一个很小的数,这个可以看:权值初始化
3.激活函数要视样本输入选择(多层神经网络一般使用relu)
4.mini batch很重要,几百是比较合适的(很大数据量的情况下)
5.学习速率(learning rate)很重要,比如一开始可以lr设置为0.01,然后运行到loss不怎么降的时候,学习速率除以10,接着训练
6.权重初始化,可用高斯分布乘上一个很小的数,这个可以看:权值初始化
7.Adam收敛速度的确要快一些,可结果往往没有sgd + momentum的解好(如果模型比较复杂的话,sgd是比较难训练的,这时候adam的威力就体现出来了)
8.Dropout的放置位置以及大小非常重要
9.early stop,发现val_loss没更新,就尽早停止
另:心得体会
深度学习真是一门实验科学,很多地方解释不了为什么好,为什么不好。
深度学习真是一门实验科学,很多地方解释不了为什么好,为什么不好。
网络层数、卷积核大小、滑动步长,学习速率这些参数的设置大多是通过已有的架构来做一些微调
参考:知乎讨论 https://www.zhihu.com/question/41631631
0 0
- 神经网络CNN训练心得--调参经验
- cnn 调参经验
- cnn 调参经验。
- 神经网络训练心得~
- 深度神经网络调参经验
- 卷积神经网络调参经验
- CNN 自写代码调参经验
- TensorFlow下cnn一些调参经验
- 卷积神经网络(CNN)的训练及代码实现
- 卷积神经网络(CNN)学习笔记2:模型训练
- 卷积神经网络(CNN)学习笔记2:模型训练
- CNN神经网络
- CNN训练
- 神经网络训练
- 神经网络训练
- 训练神经网络
- (4)Deep Learning模型之:CNN卷积神经网络(2)模型训练
- CNN感性认识(三)——为什么深层次神经网络难于训练?
- HDU 5794 A Simple Chess
- HDU-1083Courses,二分图模板题!
- Android网络请求HttpUtil封装工具类
- IOS开发之 ---- iOS8中提示框的使用UIAlertController(UIAlertView和UIActionSheet二合一)
- Charles - 2
- 神经网络CNN训练心得--调参经验
- LayoutInflater 与 inflate()
- vs调试时,感觉差一行代码的问题
- 尼姆博弈法(数学与信息结合)二进制解题
- Dubbo分布式服务框架入门实战(附源码)
- 【2016-08-05】
- mysql日志详细解析
- 列表推导式
- ios-复制字符串到剪贴板