神经网络训练的理想迭代次数

我设计了一个多层感知器网络,并使用一个包含10000个输入的数据集进行训练,每个输入有5个维度,我期望得到1个输出。是否有公式可以计算出对于N个输入所需的理想迭代次数。


回答:

没有通用的公式可以确定给定训练数据集所需的迭代次数。

迭代次数只是影响分类器的一个参数。其他超参数包括层数、每层的neurons数量和学习率。

你可以进行超参数调优,并检查分类器在何时开始过拟合。你可以从较少的迭代次数开始,观察在哪一点上增加更多的迭代次数不再有助于减少误差。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注