本文深入探讨了深度学习模型的构建与优化策略，包括网络框架调整、数据预处理技巧、训练参数选择及性能优化方法。从激活函数的选择到数据增强策略，再到epoch数量和学习率的设置，为读者提供了全面的指导。
一、构建网络
框架/神经网络修改
冻结训练层
迁徙学习
激活函数relu，leakyrelu
平滑标签
二、数据结构
训练数据平衡
图片分辨率
重置train:val的数据量比例
数据增强
random-crop 随机裁剪
保存model的精准度，如1%
随机丢弃一些训练数据（一定程度避开噪音，不一定奏效）
三、成绩（调参）：
epoch 介于15-20
learn rate batch影响梯度
四、性能or速度
减少验证集的量
采用轻度的框架
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
