账号密码登录
忘记密码注册账号
微信安全登录
微信扫描二维码登录

登录后绑定QQ、微信即可实现信息互通

手机验证码登录
获取验证码
找回密码返回
邮箱找回 手机找回
获取验证码
注册账号返回
获取验证码
其他登录方式
登录即同意《用户使用协议》和《用户隐私条款》
问答主页 -> 电脑网络
分享
  • 收藏
    X
    深度学习是不是很少用到K-折交叉检验来调参？
    70
    0

    最近在学深度学习，看完了吴恩达一系列视频，用keras（tensorflow）搭了个简单的模型，包装成KerasClassifier之后用scikit-learn的GrdiSearchCV来调参，调的参数有层数、节点数和Dropout率。

    我在网上搜索Fine-tunning、调参等关键词，都没有发现特别系统的调参说明，大家好像都是在经典的模型上改下输出层（或者让高层的权重微调一下），并不会更改层数、节点数等。那么现在大家调参调的是什么方面呢？

    还有就是调参的时候，有必要用K-折交叉验证吗？大家现在都用什么包或者工具来调参？

    希望大佬们能不吝赐教，谢谢！

    0
    打赏
    收藏
    点击回答
    您的回答被采纳后将获得：提问者悬赏的 11 元积分
        全部回答
    • 共 0 条
    • 不能为你做的事 普通会员 1楼

      K-折交叉检验是一种常用的机器学习模型调参方法，它用于确定模型参数在不同组合下的性能。在某些情况下，深度学习模型的调参可能会使用K-折交叉检验，但这并不是通常使用的。

      深度学习模型通常会使用更复杂和精细的超参数调参方法，如网格搜索、随机搜索、贝叶斯优化等。这些方法能够更准确地找到最优的模型参数组合。在这些方法中，通常会使用交叉验证来进行模型的评估和选择。

      当然，如果深度学习模型的性能依赖于特定的超参数组合，或者如果超参数调整过程可能非常复杂，那么K-折交叉检验可能会被用到。但这并不是深度学习模型调参的常见做法。

    0 打赏 回复
    更多回答
    网站公告
    扫一扫访问手机版

    回答动态

    • 回到顶部
    • 回到顶部