DAY-8 深度学习调参技巧

DAY-8 深度学习调参技巧

原文连接: https://bbs.cvmart.net/articles/282

  • 模型错误率高的原因

    • 模型实现中的bug:比如标签错误的问题
    • 参数选择不合适:模型对超参数很敏感,学习率太高或太低都不行
    • 数据模型不适配:比如你要训练一个自动驾驶图像识别的模型,用ImageNet数据集来训练就不合适
    • 数据集的构造问题:没有足够数据、分类不均衡、有噪声的标签、训练集合测试集分布不同
  • 深度学习debug流程

    • 从简单模型入手

    • 成功搭建模型,复现结果

      – 常见bug:错误的张量形状;预处理输入错误;损失函数错误输入;忘记设置正确的训练模型;错误的数据类型

      – 建议:减少代码行数、使用现成的组件,再构建复杂的数据pipeline

      – 数据类型错误是由于没有把其他类型数据转化成float32,内存不足是因为张量或者数据集太大

    • 分解偏差各项,逐步拟合数据

      – 从错误率评估性能:测试集错误率 = 错误率下限 + 偏移 + 方差 + 分布偏差 + 验证集过拟合

    • 用由粗到细随机搜索优化超参数

    • 如果欠拟合,则增大模型,减少正则化调节超参数,加入更多特征;若过拟合,则添加数据或调整

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值