深度學習調參和數據增強

深度學習中關於模型訓練的一些小技巧： 一、數據平衡性對模型的影響： 訓練數據的均衡性，對模型的收斂速度和訓練效果都會有較大影響。拿分類問題來說，如果是二分類或者三分類，如果某一類數據特別少很容易導致模型訓練收斂慢，而且模型真正的表達能力不強，準確率可能很高，但是 f1 值不高，就是各類數據的準確率不是都很高，在少量數據的類方面，預測能力較弱，但是可能由於數據少的原因，導致問題被遮掩 所以，解決方法

>>阅读原文<<