技术文章 | 深度学习的这些坑你都遇到过吗?神经网络11大常见陷阱及应对方法
2017-09-08 13:03
866 查看
本文来源于阿里云-云栖社区,原文点击这里。
如果你的神经网络不工作,该怎么办?本文作者列举了搭建神经网络时可能遇到的11个常见问题,包括预处理数据、正则化、学习率、激活函数、网络权重设置等,并提供解决方法和原因解释,是深度学习实践的有用资料。
如果你的神经网络不工作,该怎么办?作者在这里列出了建神经网络时所有可能做错的事情,以及他自己的解决经验。
忘记规范化数据
忘记检查结果
忘记预处理数据
忘记使用正则化
使用的batch太大
使用了不正确的学习率
在最后层使用了错误的激活函数
你的网络包含了Bad Gradients
初始化网络权重不正确
你使用的网络太深了
使用隐藏单元的数量不对
忘记规范化数据了
问题描述
在使用神经网络时,思考如何正确地规范化数据是非常重要的。这是一个无法改变的步骤——假如这一步骤没有小心、正确地做,你的网络就几乎不可能工作。由于这个步骤非常重要,在深度学习社区中也是众所周知的,所以它很少在论文中被提及,因此初学者常常在这一步出错。
怎样解决?
一般来说,规范化(normalization)的意思是:将数据减去均值,再除以其方差。通常这是对每个输入和输出特征单独做的,但你可能经常会希望对特征组做或特别主翼处理某些特征的规范化。
展开全文
如果你的神经网络不工作,该怎么办?本文作者列举了搭建神经网络时可能遇到的11个常见问题,包括预处理数据、正则化、学习率、激活函数、网络权重设置等,并提供解决方法和原因解释,是深度学习实践的有用资料。
如果你的神经网络不工作,该怎么办?作者在这里列出了建神经网络时所有可能做错的事情,以及他自己的解决经验。
忘记规范化数据
忘记检查结果
忘记预处理数据
忘记使用正则化
使用的batch太大
使用了不正确的学习率
在最后层使用了错误的激活函数
你的网络包含了Bad Gradients
初始化网络权重不正确
你使用的网络太深了
使用隐藏单元的数量不对
忘记规范化数据了
问题描述
在使用神经网络时,思考如何正确地规范化数据是非常重要的。这是一个无法改变的步骤——假如这一步骤没有小心、正确地做,你的网络就几乎不可能工作。由于这个步骤非常重要,在深度学习社区中也是众所周知的,所以它很少在论文中被提及,因此初学者常常在这一步出错。
怎样解决?
一般来说,规范化(normalization)的意思是:将数据减去均值,再除以其方差。通常这是对每个输入和输出特征单独做的,但你可能经常会希望对特征组做或特别主翼处理某些特征的规范化。
展开全文
相关文章推荐
- 深度学习的这些坑你都遇到过吗?神经网络 11 大常见陷阱及应对方法
- 深度学习的这些坑你都遇到过吗?神经网络11大常见陷阱及应对方
- 你需要了解深度学习和神经网络这项技术吗
- 深度学习基础模型算法原理及编程实现--04.改进神经网络的方法
- 基于深度学习神经网络等机器学习技术实现一个医学辅助诊断的专家系统原型
- 挑战深度学习 《深度森林:探索深度神经网络以外的方法》
- 转:深度 | 深度学习与神经网络全局概览:核心技术的发展历程
- 挑战深度学习 《深度森林:探索深度神经网络以外的方法》
- AndrewNg神经网络和深度学习笔记-Week2-11向量化
- 深度学习与神经网络全局概览:核心技术的发展历程
- NNPR-Chap10 贝叶斯技术(1)利用贝叶斯方法学习神经网络权重
- arxiv | 技术概述深度学习:详解前馈、卷积和循环神经网络
- 深度学习神经网络从欠拟合到拟合的调整方法及示例代码
- 你需要了解深度学习和神经网络这项技术吗?
- 【神经网络与深度学习】chainer边运行边定义的方法使构建深度学习网络变的灵活简单
- 技术文章|全面连接困何处_卷积网络见解深(深度学习入门全系列)
- 【深度学习】深度学习和神经网络这项技术
- [神经网络与深度学习][计算机视觉]SSD编译时遇到了json_parser_read.hpp:257:264: error: ‘type name’ declared as function ret
- 【深度学习技术】神经网络整体架构
- 深度学习——图像前背景分离神经网络技术架构