文档摘要

5.4 超参数调优：网格、随机与贝叶斯 本节摘要：超参数调优是在超参数空间里"尝味道"的训练方法。本节对比网格搜索（排列组合却维度爆炸）、随机搜索（用更少成本覆盖更多维）、以及贝叶斯优化（把上一轮的教训沉淀成下一轮的挑选），配一张采样对比图，最后给出按预算选方法的建议。 前面的零件都装好了，可"手感好不好"还要调校。超参数（学习率、批大小、层数、正则强度、Dropout）不像网络参数那样靠训练自动学，它得靠调优方法去试。 会员。《5.4 超参数调优：网格、随机与贝叶斯》收录于灏天文库文集《神经网络优化技巧：激活函数、损失函数、优化器选择》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/499-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%BC%98%E5%8C%96%E6%8A%80%E5%B7%A7%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0%E4%BC%98%E5%8C%96%E5%99%A8%E9%80%89%E6%8B%A9

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流