当神经网络的调参效果不好时,从哪些角度思考?

开课吧开课吧锤锤2021-03-17 16:24

点赞
2
分享分享

    要说当前热度最高的领域,非人工智能领域莫属。人工智能(ArtificialIntelligence,AI)是指计算机像人一样拥有智能能力,是一个融合计算机科学、统计学、脑神经学和社会科学的前沿综合学科,可以代替人类实现识别、认知,分析和决策等多种功能。今天为大家带来的面试题是当神经网络的调参效果不好时,从哪些角度思考?

AI

    解析:

    1)是否找到合适的损失函数?(不同问题适合不同的损失函数)(理解不同损失函数的适用场景)

    2)batchsize是否合适?batchsize太大->loss很快平稳,batchsize太小->loss会震荡(理解mini-batch)

    3)是否选择了合适的激活函数?(各个激活函数的来源和差异)

    4)学习率,学习率小收敛慢,学习率大loss震荡(怎么选取合适的学习率)

    5)是否选择了合适的优化算法?(比如adam)(理解不同优化算法的适用场景)

    6)是否过拟合?(深度学习拟合能力强,容易过拟合)(理解过拟合的各个解决方案)

    a.EarlyStopping

    b.Regularization(正则化)

    c.WeightDecay(收缩权重)

    d.Dropout(随机失活)

    e.调整网络结构

    以上就是当神经网络的调参效果不好时,从哪些角度思考?的详细解析,如果想要更多的面试资料,不妨点击下方图片,免费领取。

AI

    纵使你技术能力很优秀,但是你不会说,你没办法表达出来,没人会监视你的优秀,所以,拿上这份资料,让自己更优秀吧。

有用2
分享