1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
3.3 超参数训练的实践:Pandas VS Caviar Hyperparameters tuning in practice:Pandas vs. Caviar
本节将介绍如何组织你的超参数搜索过程。
如今的DL已经应用到许多不同的领域,某个应用领域的超参数设定,有可能通用于另一领域,不同的应用领域出现相互交融。
比如,我曾经看到过计算机视觉领域中涌现的巧妙方法,比如说Confonets或ResNets,它还成功应用于语音识别。我还看到过最初起源于语音识别的想法成功应用于NLP等等。
DL领域中,发展很好的一点是,不同应用领域的人们会阅读越来越多其它研究领域的文章,跨领域去寻找灵感。
就超参数的设定而言,我见到过有些直觉想法变得很缺乏新意。所以,即使你只研究一个问题,比如说逻辑学,你已经找到一组很好的参数设置,并继续发展算法,但是在几个月的过程中,观察到你的数据会逐渐改变;或许在你的数据中心更新了服务器,正因为有了这些变化,你原来的超参数的设定不再好用。
所以我建议,至少每隔几个月一次,重新测试或评估你的超参数,以