2024-05-18 17:51:41 发布
网友
我有一个关于为Inception ResNet V2模型(或任何其他DL模型)调优超参数的问题,我真的不太清楚这个问题。 现在,我已经设置了某些超参数,比如learning_rate、decay_factor和{}。我的模型保存了检查点,以便以后可以在这些点继续。 如果我再次运行这个模型,使用更多的时间段,它会在最后一个检查点继续进行训练。在
learning_rate
decay_factor
但是,如果我要设置新的超参数,例如learning_rate = 0.0001而不是learning_rate = 0.0002,那么继续检查点有意义吗,还是在初始模型上使用新的超参数更好?在
learning_rate = 0.0001
learning_rate = 0.0002
后者听起来更符合逻辑,但我不确定这是否有必要。在
提前谢谢。在
这两种方法都没问题,但你必须在调整后看到你的训练损失。如果它们在两种情况下都在收敛,那么就可以相应地进行调整。在
然而,据我所知,人们采用这两种方法。一开始保持较高的学习率,并保持一个衰减因子,从而在学习率开始收敛时缓慢降低。2如果你认为你可以调整到更好的学习率,你可以随时关注功能丧失,并尽早停止。在
这两种方法都没问题,但你必须在调整后看到你的训练损失。如果它们在两种情况下都在收敛,那么就可以相应地进行调整。在
然而,据我所知,人们采用这两种方法。一开始保持较高的学习率,并保持一个衰减因子,从而在学习率开始收敛时缓慢降低。2如果你认为你可以调整到更好的学习率,你可以随时关注功能丧失,并尽早停止。在
相关问题 更多 >
编程相关推荐