机器学习-深度学习优化技巧

既要训练的好（模型拟合的好的技巧）

样本数据准备：收集更多维度/更丰富/质量更好的训练样本

数据预处理：创建更多有意义特征/更丰富/质量更好的数据

模型结构：4大CNN(8/19/22/152)，LSTM，RELU激活函数，集成学习

LOSS：连续L2，离散CE

优化算法：小批，自适应学习速率，动量

模型迭代：交叉验证

又要推理的好（防止过拟合的技巧）

样本数据准备：收集更多维度/更丰富/质量更好的训练样本

数据预处理：创建更多有意义特征/更丰富质量/更好的数据

模型结构：dropout，网络结构（CNN/RNN），集成学习

LOSS：正则化，权重衰减

优化算法：提前终止

模型迭代：交叉验证

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容