本文介绍了模型选择、训练及超参数优化的关键步骤。在模型选择中提到了文字识别的直接应用，训练过程推荐使用Paddlex，强调输入输出的一致性和批处理大小。超参数优化涉及网络结构、优化器和正则化。调参策略包括：loss阈值停止、动态学习率、小数据集预训练以及小批量数据的使用。此外，推荐使用可视化工具辅助模型分析。
1 模型选择，几种常见任务的介绍。文字识别可以直接调用！！！
2 模型训练，paddlex 非常的方便。输入输出要一直，一般batch为2的幂。
3 超参优化。常见的超参有网络结构、优化参数、正则化系数等。
4 手动调参四大方法 1）loss小于设定值停止训练，防止过拟合。2）学习率从高到底。3）先训练少部分的数据，可以增加调整的效率。当小部分的数据训练结构满意后，再进行大量数据的训练。4）小批量数据不必最优？？？这个不太理解
5 可视化工具，直观的可以看到模型的各个细节。炼丹好帮手
扫一扫
评论 2
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
