Ang pagpili ng tamang bilis ng pagkatuto ay mahalaga para sa pagsasanay ng malalim na mga neural network sa mabisang paraan. ang isang optimikong rate ng pagkatuto ay maaaring mapabuti ang complementence speed at model eksaktung-tama. Ang gabay na ito ay nagbibigay ng isang hakbang-by-path proseso upang malaman ang pinakamahusay na rate ng pagkatuto para sa iyong neural network.

Pag - unawa sa Bilis ng Pagkatuto

Ang isang bagay na napakataas ay maaaring maging dahilan upang maging labis na maliit na modelo ang modelo, samantalang ang pagiging mababa ay maaaring magbunga ng mabagal na pagtutugma - tugma.

Hakbang 1: Gumamit ng Pagsusuri sa Pag - aaral

Magsimula sa pamamagitan ng pagsasanay sa iyong modelo sa pamamagitan ng napakababang antas ng pagkatuto at unti-unting dagdagan ito sa isang range. Isulat ang kawalan sa bawat hakbang. Ang prosesong ito ay tumutulong upang matukoy ang pinakamaraming pagkatuto kung saan ang kawalan ay nababawasan pa rin.

Hakbang 2: Pag-aaral ng Bilang ng mga Plot Loss.

Gumawa ng isang lot na may rate ng pagkatuto sa x-axis at ang pagkawala sa y-axis. Ang plot ay karaniwang nagpapakita ng isang mabilis na pagtaas ng kawalan sa mas mataas na rate ng pagkatuto. Ang optimikong rate ng pagkatuto ay karaniwang bago ang pag-uumpisa ng paglagong ito.

Hakbang 3: Pumili ng Bilang ng Natututo

Pumili ng mga hakbang na mas mababa sa punto kung saan mabilis na lumalaki ang nawawala, at tiyak na magiging matatag ang pagsasanay at mas mabilis ang pag - unlad nito.

Karagdagang mga Tip

  • Gamitin ang mga iskedyul sa pagkatuto upang baguhin ang bilis ng pag - aaral sa panahon ng pagsasanay.
  • Mag - eksperimento na may iba't ibang panimulang bilis upang masumpungan ang pinakamabuting sukat.
  • Ang pagsasanay sa iyong mga magulang ay hindi nila matitiyak na magiging matatag sila.