第一部分
前言
在关于训练神经网路的诸多技巧Tricks(完全总结版)这篇文章中,我们大概描述了大部分所有可能在训练神经网络中使用的技巧,这对如何提升神经网络的准确度是很有效的。
然而在实际中,在方法几乎定型的时候,我们往往需要针对自己的任务和自己设计的神经网络进行debug才能达到不错的效果,这也就是一个不断调试不断改进的一个过程。
如何Debug
以下的内容部分来自CS231n课程,以及汇总了自己在训练神经网络中遇到的很多问题。
让我们先谈点简单的,如果不考虑debug,采取什么方式可以提升我们的训练精度呢?
吴恩达曾提出了这几点:
- 寻找更多的数据
- 让网络层数更深一些
- 在神经网络中采取一些新的方法
- 训练的时间更长点(更多的迭代次数)
- 改变batch-size
- 尝试使用正则化技术(权重衰减)
- 权衡结果的偏置和方差(bias and variance)
- 使用更多的GPU
以上这些方法和之前的提到的训练神经网络的关于训练神经网路的诸多技巧Tricks(完全总结版)的方法是类似的,是无关乎神经网络本身的通用的方法,而具体细化到自己所在的任务时&#x