超参数的选择

超参数的选择

目标:

 调整模型的有效容量以匹配任务的复杂性,有效的容量包括3个因数:模型的表示容量,学习算法成功的最小化训练模型代价能力,以及代价函数和训练过程正则化模型的程度。

具有更多网络层,每层有更多隐藏单元的模型具有更多的表示能力。

泛化误差以某个超参数为变量,作为函数绘制出来,通常表现为u形曲线。

各种超参数对模型容量的影响

超参数容量何时增加原因注意事项
隐藏单元数量增加增加隐藏单元的数量会增加模型的表示能力但模型所需要的时间和内存代价会随着隐藏单元的数量增加而增加
学习率调制最优不正确的学习率会导致低容量的学习模型
卷积核宽度增加增加卷积核宽度会增肌模型的参数数量较宽的卷积核导致较窄的输出尺寸,除非使用隐式填充减少此影响。否则会降低模型容量较宽的卷积核需要更多的内存存储参数,并会增加内存运行时间
隐式填充增加在卷积前隐式添加零能保持较大尺寸的表示会增肌运行时间和内存
权重衰减(W)降低降低权重衰减系数使得模型参数可以自由的变大
droput比率降低较少的丢弃单元可以更多的让
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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