1 模型的快速验证
1.1 确定模型是可以收敛的
在刚开始调试的时候,可能难以确定模型是否收敛,这时候可以在调试的时候,适当地增加学习率的数量级,看看模型在前几次迭代的时候loss是否会随着迭代次数的增加呈10倍左右的下降,如果观察到loss的值可以“10倍左右”可见的速度下降,则说明模型是可以收敛的,此时loss函数的设计大概率是正常的,可以将学习率调回正常值继续进行测试;
2 查看模型结构——netron
我们可以使用netron来查看模型的网络结构图;
(netron的使用可以参考文章《可视化工具netron的简单使用》)
2 Early Stop策略的使用
2.1 Early Stop的评价指标
loss值的累加值;
训练集的mAP;
测试集的mAP;
2.2 Early stop的探索次数——26次
Early stop的探索次数我们设置为26次,这个是如何得来的呢?
我们首先把探索成功和不成功的概率假设为0.5,我们设置探索行动的阈值为99.999%,
则计算探索次数的方法如下:
于是,我们选择了一个好记一点的数字也就是26次;