(1)层数多,还得需要配备足够多的训练数据(多样性,能覆盖领域内的各种case,并且每种样本数量足够多),否则的话会过拟合,很难训练的收敛
(2) 即便有了足够的数量,那么,也要考虑模型的结构,使其拟合能力(非线性)满足需求
(3)层数很多,权重很大的话,难于存储和训练,部署性能差,无法落地
自己日后使用
(1)层数多,还得需要配备足够多的训练数据(多样性,能覆盖领域内的各种case,并且每种样本数量足够多),否则的话会过拟合,很难训练的收敛
(2) 即便有了足够的数量,那么,也要考虑模型的结构,使其拟合能力(非线性)满足需求
(3)层数很多,权重很大的话,难于存储和训练,部署性能差,无法落地
自己日后使用