经验和记录

最新推荐文章于 2024-03-21 01:04:57 发布

KODGV

最新推荐文章于 2024-03-21 01:04:57 发布

阅读量243

点赞数

CC 4.0 BY-SA版权

分类专栏： NLP竞赛

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_34661230/article/details/86760214

NLP竞赛专栏收录该内容

6 篇文章

订阅专栏

本文探讨深度学习中超参数的重要性及记录方法，强调不应在每个函数内手动编写超参数，而应全面记录并评估其对最终性能的影响。同时，文章介绍了线上全集训练与线下切分训练的CV验证调参策略，指出线下线上分数接近才能确保模型稳定性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习：

额外记录所有的超参数，不能直接在每个函数内手写超参数。
记录下哪些参数对你的最终性能有影响，他们有多重要。

CV验证调参：
线上是全集训练
线下是切分训练，然后线下和线上的分数越接近才说明模型越稳定

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

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。