要么过拟合要么欠拟合，晕了

刚接触深度学习几个月，现在问题是如果不加batch normalization和dropout的话就会过拟合，加了的话loss就只能到1400左右，我这个应用最多也只能接受loss在200左右，学习率衰减，l2正则化等等方法也都试了效果都很一般，实在不知道怎么整了

现在的数据集样本量是一万，准备再调不好就试试3w的数据量

2025-04-27 17:20广告

好痛苦的loss曲线….感觉是梯度炸了。直接降低学习率吧，别衰减了，增加 L2 正则，试试加入梯度裁剪。dropout调高感觉有梯度消失的风险….过拟合还是太重的话，建议换模型吧….太复杂了，数据可能不够

自学真的好难啊，你们都是怎么学的

下载贴吧APP
看高清直播、视频！

分享到: