1 概述
由于南溪只有一块2080Ti,所以暂时不会考虑用强化学习的方法来做~
南溪目前想要学习的超参数搜索算法有:
- 网格搜索
- 随机搜索
- 贝叶斯搜索
- 粒子群算法
- 进化算法
- 遗传算法
(7. 强化学习)
2 网格搜索——Grid Search
网格搜索是我们需要尝试的第一种超参数搜索算法~
算法的思路是这样的,
初始设置:搜索空间
[
1
0
−
6
,
1
]
[10^{-6},1]
[10−6,1];
- 设定初始的搜索种子,(来自原始论文或者默认值);
- 计算种子的自然指数;
- 将原始的搜索空间计算对应的自然指数的值域range;
- 取向上和向下方向的指数值域的最小值;
- 从向上方向开始搜索;
- 如果遇到loss上升或者NaN的情况,则需要对搜索空间进行rerange;
参数说明:
搜索时间(暂定):24h
默认初始值:0.00125(来自PaddleDetection-FAQ(常见问题))