李沐动手学习深度学习——3.7练习

尝试调整超参数,例如批量大小、迭代周期数和学习率,并查看结果。

  1. num_epochs = 10, batch_size = 256, lr = 0.1情况下

  2. num_epochs = 5, batch_size = 256, lr = 0.1情况下

    可以尝试一下,三种参数变化,会发现lr变小,需要的训练次数num_epochs增加,batch_size变小。

增加迭代周期的数量。为什么测试精度会在一段时间后降低?我们怎么解决这个问题?

因为过拟合问题,模型过于拟合训练集数据了,应对测试集与训练集存在一些不同的数据识别不出来。

  1. 降低num_epochs
  2. 数据增强,对于输入数据加一点噪声
  3. 降低模型复杂度,减少神经元
相关推荐
栉甜几秒前
APIs学习
前端·javascript·css·学习·html
配奇2 分钟前
transformers迁移学习
人工智能·机器学习·迁移学习
码农小旋风4 分钟前
Codex 直接住进 JetBrains IDE 里:AI Agent 正在接管熟悉的开发入口
ide·人工智能
吃好睡好便好7 分钟前
说说梳头的保健作用
学习
ʜᴇɴʀʏ8 分钟前
AAAI 2025 | DiffCorr:基于可靠伪标签引导的无监督点云形状对应
人工智能·目标检测·计算机视觉
黎阳之光10 分钟前
智慧水利堤坝监测:全域实景技术实现河流、水库隐患预警
大数据·人工智能·物联网·安全·数字孪生
云边云科技_云网融合10 分钟前
大模型聚合时代:云边云科技 AI 网关轻量化赋能企业落地
大数据·运维·网络·人工智能
love530love13 分钟前
ComfyUI:为什么说它是 AIGC 应用层面的集大成者?
人工智能·pytorch·windows·aigc·devops·comfyui·extensions
程序员柒叔16 分钟前
OpenCode 一周动态-2026-W20
人工智能·github·copilot·agent·opencode
wuxinyan12317 分钟前
工业级大模型学习之路013:RAG零基础入门教程(第九篇):RAG幻觉治理
人工智能·学习·rag