caffe+報錯︱深度學習參數調優雜記+caffe訓練時的問題+dropout/batch Normalization

1、深度學習中經常使用的調節參數 本節爲筆者上課筆記（CDA深度學習實戰課程第一期）css 一、學習率 步長的選擇：你走的距離長短，越短固然不會錯過，可是耗時間。步長的選擇比較麻煩。步長越小，越容易獲得局部最優化（到了比較大的山谷，就出不去了），而大了會全局最優html 通常來講，前1000步，很大，0.1；到了後面，迭代次數增高，降低0.01，再多，而後再小一些。 python 二、權重 梯度消

>>阅读原文<<