1. 权重初始化误差:权重初始化不正确会影响网络的学习效果;
2. 训练数据误差:训练数据的噪声或者样本不足导致的误差;
3. 激活函数误差:激活函数不合理会影响网络的学习效果;
4. 标签误差:标签定义不清晰或者标签数据中存在噪声;
5. 梯度消失/梯度爆炸误差:深度神经网络训练过程中梯度消失/梯度爆炸会影响网络的学习效果;
6. 过拟合误差:模型拟合训练数据得太好,导致预测效果不佳;
7. 其他参数调节误差:如学习率过大或过小,训练策略不合理等都可能导致误差。
1. 权重初始化误差:权重初始化不正确会影响网络的学习效果;
2. 训练数据误差:训练数据的噪声或者样本不足导致的误差;
3. 激活函数误差:激活函数不合理会影响网络的学习效果;
4. 标签误差:标签定义不清晰或者标签数据中存在噪声;
5. 梯度消失/梯度爆炸误差:深度神经网络训练过程中梯度消失/梯度爆炸会影响网络的学习效果;
6. 过拟合误差:模型拟合训练数据得太好,导致预测效果不佳;
7. 其他参数调节误差:如学习率过大或过小,训练策略不合理等都可能导致误差。