如何调整神经网络的参数，例如层数、层类型、宽度等？现在我只是猜测好的参数。这对我来说变得非常昂贵和耗时，因为我将调整网络然后发现它并没有比以前的模型做得更好。有没有更好的方法来调整模型以获得良好的测试和验证分数？
【问题讨论】：
标签： python-3.x machine-learning optimization
这完全是命中和跟踪方法。你必须玩它。没有特定的方法可以做到这一点。尝试使用 GPU 而不是 CPU 来快速计算，例如 “Google Colab”。我的建议是记下所有可以调整的参数。 例如：
- 优化器：尝试使用不同的优化器，例如 Adam、SGD 等等
- 学习率：这是一个非常关键的参数，尝试将其从 0.0001 更改为 0.001，步长为 0.0001。
- 隐藏层数：尝试增加no。隐藏层数。
- 如果需要，请尝试使用 Batch Normalization 或 Drop out 或两者兼用。
- 使用正确的损失函数。
- 更改批量大小和Epoch。
【讨论】：
隐藏层、Epochs、batch-size：尝试不同的数字。
优化器：Adam（提供更好的结果）、Rmsprop
Dropout：0.2 在大多数情况下效果很好
此外，您还应该尝试不同的激活函数（例如，您可以在隐藏层使用 ReLu，在输出层使用 sigmoid 进行二元类分类，使用 softmax 进行多类分类。
【讨论】：