最简单的监测学习过程的方法,就是计算数据和重建可见层数据的平方和误差。
但是平方和误差并不能很准确的表示学习的效果。
小的平法误差和并不能表示模型开始变得不好,但是大的平方误差和通常意味着模型开始变的不好了。但也有可能是学习速率、冲量、权重cost、稀疏性参数改变导致的平方和误差的大的改变。
对此,Hinton给的建议是,使用平方和误差作为监测学习过程的手段,但是并不完全相信它。
如果你有label的数据,可以通过监测在训练数据和验证数据集上的辨别能力来监测学习过程。
最简单的监测学习过程的方法,就是计算数据和重建可见层数据的平方和误差。
但是平方和误差并不能很准确的表示学习的效果。
小的平法误差和并不能表示模型开始变得不好,但是大的平方误差和通常意味着模型开始变的不好了。但也有可能是学习速率、冲量、权重cost、稀疏性参数改变导致的平方和误差的大的改变。
对此,Hinton给的建议是,使用平方和误差作为监测学习过程的手段,但是并不完全相信它。
如果你有label的数据,可以通过监测在训练数据和验证数据集上的辨别能力来监测学习过程。