神经网络优化常用技巧

数据有关

  • 数据增强
  • 数据集分布平衡
  • 先在小数据集上训练,看是否过拟合,过拟合了可以说明模型没问题

模型结构

  • 增加或减少模型层次
  • 考虑BN层
  • 考虑Dropout层
  • Fine-Tuning技术,对一些成熟网络微调

优化算法

  • SGD(随机梯度下降)通常训练时间更长,最终效果更好,但需要好的初始化和Learning rate
  • 需要训练较深较复杂的网络且需要快速收敛时,推荐使用Adam
  • Adagrad,RMSprop,Adam是比较相近的算法,在相似情况下表现差不多

激活函数

  • Sigmoid:一般用在输出层
  • tanh:RNN中有可能,CNN不使用
  • ReLU:CNN中使用,RNN也可以考虑
  • ReLu有一些更好的替代,如:leaky relu、maxout、elu

初始化函数

  • 一般使用正态分布初始化,注意是否截断
  • 有一些更好的初始化方法,但是需要跟特定激活函数一起使用,如Xavier-tanh或He-ReLu

正则化

  • 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