Google ML Engine 在标准和高级 ScaleTier 之间的作业准确性差异

我是机器学习的新手。我运行了两个相似的机器学习作业,唯一的区别在于 GCP 的 config.yaml 文件中的 scaleTier:。第一个作业使用了 scaleTier: STANDARD_1,准确率约为 93%。使用相同的 Tensorflow 记录,将 scaleTier 调整为 scaleTier: PREMIUM_1 后,准确率下降到约 50%。增加机器学习训练单元的数量会降低模型的准确性吗?

关于这个问题有两个疑问:为什么准确率显著下降,以及有哪些解决方法?


回答:

通常,在进行分布式训练时,您应该使用较小的批量大小。您可以尝试将批量大小减少到标准批量大小的 1/8 吗?您需要将步骤数增加 8 倍,以确保您遍历数据集的次数相同。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注