# 对过拟合添加Dropout层,抑制过拟合
# Dropout,人为地丢弃掉一些层
# 当训练数据数量确定的情况下,可以选用:
# 1.DropOut;
# 2.正则化
# 3.图像增强(音频增强)
当做调整使得网络不再过拟合了,再调节其他参数。
调参的时候一定要进行交叉验证,因为调参的时候就是朝着测试集优化得方向调参的,所以就是把参数泄漏给了测试数据。
构建网络的总原则:保证神经网络容量足够拟合数据。
Recipe of Deep Learning
当在训练集上效果不好的时候,要检查激活函数。为什么?因为理论上网络越深,效果应该越来越好,但是激活函数选的不好的话,就会出现梯度消失或梯度爆炸或者其他问题,所以导致网络越深,效果反而越差。
mini-batch
mini-batch的选择会影响GPU能不能发挥效果。mini-batch越大,GPU效果越明显,mini-batch=1,GPU就没用了。
参考来源
https://www.bilibili.com/video/BV1Zt411T7zE?p=15
https://www.bilibili.com/video/BV1D4411h7Mx?p=16