NLP开发常见问题

Q01:过拟合问题?

解决方案:

1,数据增强;增加数据集;

在输入层加入噪声:数据集增强。

在隐藏层加入噪声:Dropout。

在输出层加入噪声:标签平滑。

4,添加残差块;

5,提前终止;

6,随机池化等

Q02:梯度消失和梯度爆炸

解决方案:

1,由于梯度消失或者梯度爆炸都是一堆数值的累乘,如果是一堆大于1的数一起累乘,容易发生梯度爆炸;

如果是一堆小于1的数一起累乘,容易发生梯度消失,所以,一般把训练数据送入模型之前都会做归一化处理;

复制代码
2,梯度裁剪:梯度裁剪是一种简单有效的方法,通过设置一个阈值,当梯度的范数超过该阈值时,将其裁剪到该阈值范围内,从而防止梯度爆炸

3,换模型,比如RNN模型容易发生梯度爆炸或者梯度消失,LSTM和GRU模型虽然不能完全解决梯度消失问题,但是在一定程度上可以缓解梯度消失

Q03:模型漂移和模型退化的问题?

解决方案:

1,更换模型;

2,使用付费模型

Q04:LangChain问题:1,版本不稳定,升级到0.2以后,0.1版本不可用;2,LangChain更新迭代太慢,很多功能都没有,需要程序员重新开发

解决方案:弃用LangChain,根据需求重新开发一版

Q05:泛化能力不足的问题?

解决方案:

◼ 正则化

◼ 增加神经网络层数

◼ 使用正确的代价函数

◼ 使用好的权重初始化技术

◼ 人为拓展训练集

◼ 弃权技术

增加模型复杂度:

增加测试数据相似度较高的数据集:

Q06:多分类问题:

1,如果是两层循环:准确率高达98%-99%

2,如果是三层循环:准确率95%-96%

3,如果是四层五层循环:准确率不但会大大降低,还有可能分错

调优技巧:

1,超参数调节:网格搜索、随机搜索

2,激活函数的选择:

3,损失函数的选择:

相关推荐
AI蜗牛之家2 小时前
Qwen系列之Qwen3解读:最强开源模型的细节拆解
人工智能·python
王上上2 小时前
【论文阅读30】Bi-LSTM(2024)
论文阅读·人工智能·lstm
殇者知忧2 小时前
【论文笔记】若干矿井粉尘检测算法概述
深度学习·神经网络·算法·随机森林·机器学习·支持向量机·计算机视觉
YunTM2 小时前
贝叶斯优化+LSTM+时序预测=Nature子刊!
人工智能·机器学习
yvestine3 小时前
自然语言处理——文本分类
自然语言处理·分类·文本分类·评价指标·pr·roc
舒一笑4 小时前
智能体革命:企业如何构建自主决策的AI代理?
人工智能
丁先生qaq4 小时前
热成像实例分割电力设备数据集(3类,838张)
人工智能·计算机视觉·目标跟踪·数据集
红衣小蛇妖5 小时前
神经网络-Day45
人工智能·深度学习·神经网络
KKKlucifer5 小时前
当AI遇上防火墙:新一代智能安全解决方案全景解析
人工智能
DisonTangor5 小时前
【小红书拥抱开源】小红书开源大规模混合专家模型——dots.llm1
人工智能·计算机视觉·开源·aigc