李宏毅教授调参课程笔记总结

最新推荐文章于 2022-11-22 16:31:07 发布
原创 最新推荐文章于 2022-11-22 16:31:07 发布 · 190 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#调参 #笔记总结

探讨了在机器学习中效果相近的超参数组合及基于模型的超参数优化策略，涉及利用回归模型寻找最佳配置，提出了使用RNN设计CNN架构以提高准确性，以及激活函数与学习率的选择。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Hyperparameters Tuning

 

效果好的几组参数可能效果差别不大

 

Model-based Hyperparameter Optimization

  • 根据采样数据构建一个回归模型
  • 寻找一个置信度大且准确率高的点，但同时需要进行一定程度的探索

很大程度决定于回归模型的好坏

 

可以将回归模型改为RNN，输出即为CNN的架构，再用CNN的accuracy作为回报，努力使得RNN设计出的架构能得到更大的回报

 

决定激活函数：使其输出应该使用哪个unary函数

 

决定learning rate：

《Neural Network and Deep Learning》学习笔记-hyper-parameters
tina的博客
06-07 5864
本系列笔记为《Neural Network and Deep Learning》学习笔记本系列笔记汇总 各种待续中…… 第一章 第二章 第三章 Improving the way neural networks learn 3.1 交叉熵代价函数 3.2 正则化方法 3.3 权值初始化 3.4 hyper-parameters选取 3.5 一些其他技术 第四章 可视化
李宏毅教授A3C课程笔记总结
weixin_42825220的博客
07-25 739
A3C (Asynchronous Advantage Actor-Critic) 远优于DQN Alpha go用到了model-based的方法 On-policy：学习的agent和与环境互动的agent是同一个 Off-policy：学习的agent和与环境互动的agent是不同的 注意学习的agent和交互的agent之间的差别不能太大 Actor：是一...
【李宏毅机器学习学习1】
Raphael9900的博客
11-22 881
概念描述和方程分析
李宏毅2022《机器学习/深度学习》——学习笔记（2）
dotJunz的博客
10-05 741
机器学习模型中一般有两类参数：一类需要从数据中学习和估计得到，称为模型参数（Parameter）—即模型本身的参数。还有一类则是机器学习算法中的调优参数（tuning parameters），需要人为设定，称为超参数（Hyperparameter）。这里引入了新的概念 batch，将总的训练集随机划分成一个个 batch，用每一个 batch 计算一个 Loss，计算梯度，更新一次。激活函数可以嵌套，把上一层激活函数的结果作为下一层激活函数的输入，这样函数的未知参数就会更多了，模型也更加复杂。
李宏毅：Tuning Hyperparameters（超参数）
jiaojiaolou的博客
05-25 1195
1、grid search vs random search 有时候random search的方法还是不错的，因为top k的结果已经相差不大。所以没有必要扫过所有的参数组合，只要取前k名的其中一个结果就好了。 有sample到K的几率： 2、model-based hyperparameter optimization 不一定好用 3、reinforcement learni...
【机器学习】李宏毅机器学习-Keras-Demo-神经网络手写数字识别与调参
weixin_30756499的博客
04-30 440
参考： 原视频：李宏毅机器学习-Keras-Demo 调参博文1：深度学习入门实践_十行搭建手写数字识别神经网络 调参博文2：手写数字识别---demo（有小错误） 代码链接： 编程环境： 操作系统：win7 - CPU anaconda-Python3-jupyter notebook tersonFlow：1.10.0 Keras：2.2.4 背景： 视频里宝可梦大师提供的部分参数设...
李宏毅教授GAN课程笔记总结
weixin_42825220的博客
07-25 860
GAN 参考文献： 受限玻尔兹曼机也是生成模型 自编码机： 所学得的NN Decoder可以将一个任意生成的向量生成为一张图片 VAE(Variational Auto-Encoder)变分自编码器： 为了不使σ 为0，因此加入限制： 目的是为了使得m越接近0越好，相当于L2的正则化，而前一项也越接近0越好 缺点：没有真正去模拟一张图片，无法达到和...
李宏毅教授Batch Normalization课程笔记总结
weixin_42825220的博客
07-25 574
Batch Normalization Feature Scaling/Feature Normalization/Feature Standardization 如果斜率差别大，那么不同方向上需要不同的learning rate，经过feature normalization后，error surface接近正圆形，使得训练更容易 计算过程： 在神经网...
李宏毅教授Policy Gradient课程笔记总结
weixin_42825220的博客
07-26 656
Policy gradient： 求解梯度trick： ∇fx=f(x)∇logf(x) Tip1：将回报值的期望作为基线，使得每次计算的回报有正负区别 Tip2：不将整场游戏得到的reward作为权重，为每个动作分配应有的权重，权重即为从当前时间t开始所有reward的累加 改进：增加折扣 On-policy：所学习的agent和用于环境交互的agent是同一个...
李宏毅教授Capsule课程笔记总结
weixin_42825220的博客
07-25 533
Capsule 取代neuron neuron输出一个值，capsule输出一个向量 neuron只能检测某一特定的模式，capsule可以检测一类模式 其中向量v的每一维代表模式的一个特性 Squash相当于进行挤压，只会改变长度而不会改变方向 c1 和c2 不是学出来的，而是由测试阶段决定的 有点像排除离群点 训练的时候还是需要后向传播 NN是用...
《李宏毅机器学习课程详细笔记整理》
06-18
李宏毅教授的台湾大学2017年版《机器学习》课程被整理成了详细笔记并制作成PDF文档，供人学习分享。这份笔记内容丰富，涵盖了监督学习、非监督学习、深度学习、强化学习等多个重要领域，还涉及多种学习模型和算法的...
李宏毅教授Attention课程笔记总结
weixin_42825220的博客
07-25 1575
Generation 可以用RNN生成文本、图片(grid lstm)、视频、手写字、语音 *grid lstm Conditional generation：不是随机产生，而是有情境地产生 应用：image caption/machine translation/chat-bot Encoder和Decoder的参数可以一样或者不一样，当参数一样时，参数比较少，比较不容...
⭐李宏毅DNN笔记---超参数调节
⛄
11-23 2407
深度学习步骤： 训练后结果判断： 超参数调节方法：
电赛历年试题&经验分享.7z
08-12
电赛历年试题&经验分享.7z
PLC立体车库智能仿真系统：基于博途V15的西门子1200PLC控制与触摸屏操作 - PLC编程 v1.5
08-12
基于博途V15软件平台构建的3×2立体车库智能仿真系统。该系统采用西门子1200PLC进行控制，配备触摸屏操作界面，实现了自动出入库、电梯式小车移动以及变频器输出等功能。文中展示了详细的程序注释和模块化编程方法，如使用TON定时器实现载车板升降的速度控制，利用FC块封装车辆检测模块，通过GRAPH语言编写自动出入库逻辑等。此外，还提到了系统的IO表设计和故障处理机制，以及未来可能加入AI算法进行智能车位分配的设想。 适合人群：对PLC编程、工业自动化控制系统感兴趣的工程师和技术爱好者。 使用场景及目标：适用于学习和研究PLC编程技巧、工业自动化控制系统的仿真开发，帮助理解和掌握PLC控制逻辑、触摸屏交互设计、变频器仿真等关键技术。 其他说明：该项目不仅提供了完整的源代码和详细的注释，还能在博途PLCSIM Advanced环境中进行全仿真测试，为实际工程应用提供宝贵的经验和参考。
LuWu-陆吾，一个简单的无代码深度学习平台
08-12
资源下载链接为： https://pan.quark.cn/s/2f73b93e37c3 LuWu——陆吾，一个简单的无代码深度学习平台。（最新、最全版本！打开链接下载即可用！）
Python自动化测试框架pytest入门与实战.doc
08-12
Python自动化测试框架pytest入门与实战.doc
统计学习,机器学习,神经网络,深度学习,使用matlab实现
08-12
资源下载链接为： https://pan.quark.cn/s/6c421a94aa8d 统计学习,机器学习,神经网络,深度学习,使用matlab实现.（最新、最全版本！打开链接下载即可用！）
基于springboot的物流管理平台设计与实现.docx
最新发布
08-12
基于springboot的物流管理平台设计与实现
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值