GPT中文
www.gpt.com.cn
挑几下就能开工
我
积分
制定模型训练超参数方案
直接说你要办的事。
下面是别人怎么办的,点任何一项就换成你自己的。
左边是别人怎么办的,右边是你的,点一项就开始改。
示范 · 别人这样说
「训练图像分类模型时,学习率、批大小这些参数怎么选?快帮我看看!」
替他选了:图像分类模型 · 分类任务 · 余弦退火 · 根据显存定 · AdamW · L2权重衰减、早停
按示范选好的
点一项就变成你的
示范说法
背景补充
模型类型
图像分类模型
文本分类模型
序列预测模型
推荐系统模型
任务类型
分类任务
回归任务
生成任务
排序任务
数据规模
小样本 (<1万)
中等 (1-10万)
大样本 (>10万)
学习率策略
固定学习率
余弦退火
阶梯衰减
自适应学习率
批大小策略
根据显存定
幂次缩放
固定大小
动态调整
优化器
Adam
SGD
AdamW
RMSprop
LAMB
正则化
L2权重衰减
Dropout
Label Smoothing
早停
数据增强
搜索方法
网格搜索
随机搜索
贝叶斯优化
进化算法
评价指标
准确率
F1分数
AUC
召回率
精确率
均方误差
尝试次数
10次以内
10-50次
50-100次
100次以上
附带代码
你的成品会在这里出现
开工 · 按我选的出成品
示例
示例成品 · 不是你的
AI 按示范写的,看个样子
图像分类、中等数据量,超参这么配:学习率走余弦退火,初始0.001;批大小看显存,定64。优化器用AdamW,加L2权重衰减和早停正则化。搜索用贝叶斯优化,评估指标看准确率和F1分数,尝试次数50-100次。交付Word文档,带代码示例。
展开看全文 ▾
按住说话
普通话 · 方言都行
发送
条款
·
隐私
全部分类
×
分类加载中…
成果 ‹
‹ 对话
‹ 记录