训练不收敛的几种可能

1. 学习率 

我们可能已经听说了很多,如果loss不收敛就将学习率降低。但是,这在重新训练时是个误区,尤其是在训练的开始阶段。在开始阶段我们不能把学习率设置的太低否则loss不会收敛。我的做法是逐渐尝试,从0.1,0.08,0.06,0.05 ......逐渐减小,如果学习率设置的过大,loss会直接爆炸变成87.33(原因可参考:http://blog.csdn.NET/jkfdqjjy/article/details/52268565?locationNum=14)我们逐渐减小学习率,直到loss正常为止。我们可以用第一个最大值训练网络,开始时loss下降很慢,可能要等到迭代3万次左右才有明显变化,耐心等待。当训练时发现loss不再下降,这时我们可以再降低学习率,继续训练。

影响loss收敛性的因素有很多,还没有一一尝试。dropout_ratio,batchsize等。

2. 数据未归一化


3. 网络结构不合理

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值