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
frjc4 分钟前
Spring WebFlux SSE 长连接,可以替换为 Java 21 虚拟线程吗?
java·人工智能·spring·ai·ai编程
瀚域智擎4 分钟前
GEO 信源采信机制深度解析:大模型如何筛选和排序信源
大数据·人工智能·#geo #ai 搜索 #品牌增长 #数字化营销 #内容运营
Fang_YuanAI6 分钟前
构图不是形容词,是坐标系:16种AI提示词与拍摄思路
人工智能·aigc·ai漫剧·ai短剧·aigc创作·构图·人像摄影
其实防守也摸鱼12 分钟前
网络安全法竞赛知识总结与题库
前端·网络·人工智能·安全·web安全·重构·nc
axe_hu16 分钟前
AI产品经理入门指南
人工智能·产品经理
灵动的艺术18 分钟前
如一 Agent 架构解读(二十一):SubAgent 体系——封装、闭环与可交互
人工智能·agent·如一
小小程序猴121 分钟前
【无标题】
人工智能
一级新生27 分钟前
多智能体协作(上):概念、实现路径与工具选型
人工智能
江苏世纪龙科技27 分钟前
从“拆不开“到“看得见“:新能源汽车原理教学的一种解法
学习
xingyuzhisuan31 分钟前
分镜节点化 + 全局连续性图:长视频生成在无限画布上的工程范式
人工智能