李宏毅：Tuning Hyperparameters（超參數）
1、grid search vs random search 有時候random search的方法還是不錯的，因爲top k的結果已經相差不大。所以沒有必要掃過所有的參數組合，只要取前k名的其中一個結果就好了。 有sample到K的機率： 2、model-based hyperparameter optimization 不一定好用 3、reinforcement learning（強化學習）
相關文章
- 1. 超參數（Hyperparameters）| 上
- 2. 超參數（Hyperparameters）| 下
- 3. 李宏毅__ML_Notes_4.21
- 4. 【李宏毅】CNN
- 5. transformer---李宏毅
- 6. 李宏毅__ML_Notes_5.11
- 7. 【李宏毅】RNN
- 8. 李宏毅——GAN
- 9. 李宏毅——transformer
- 10. 李宏毅課程
- 更多相關文章...
- • C# 參數數組 - C#教程
- • Scala 函數 - 可變參數 - Scala教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 超參數（Hyperparameters）| 上
- 2. 超參數（Hyperparameters）| 下
- 3. 李宏毅__ML_Notes_4.21
- 4. 【李宏毅】CNN
- 5. transformer---李宏毅
- 6. 李宏毅__ML_Notes_5.11
- 7. 【李宏毅】RNN
- 8. 李宏毅——GAN
- 9. 李宏毅——transformer
- 10. 李宏毅課程