神经网络训练准确率下降,神经网络训练不收敛

本文探讨了神经网络在训练过程中遇到的问题,包括初始化向量后损失无法下降、训练一定次数后准确率突然下降、损失函数的合适标准以及训练中误差值不变等现象。建议关注模型在测试集上的表现,合理设置学习率,并检查训练数据的有效性。
摘要由CSDN通过智能技术生成

1、为什么初始化向量后 神经网络loss无法下降

通常为了计算的优化等缘故,维度一般取2的指数。
全连接层后续计算loss,总共类别应该会有上千类,所以之前的layer最好也是1000这种规模,所以一般取1024,2048,4096等。
通过在数据集上进行测试,可以跑出来一个结果比较好的网络结构

谷歌人工智能写作项目:小发猫

2、神经网络训练一定次数后准确率突然下降怎么回事?

经网络训练时准确度突然变得急剧下降,很有可能是你的休息不够睡眠不足导致注意力不集中,近段时间的心情也很影响训练时的准确度,心情烦躁准确度也就会下降神经网络训练损失稳定不下降

3、神经网络训练时准确度突然变得急剧下降,为啥?

可能是因为太激进,设置太高的学习率,也可能是因为设置的参数的问题。

4、神经网络中损失函数一般降到多少就可以了

关键不是损失函数降到多少

  • 1
    点赞
  • 2
    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