← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.r.2.k.7 · 生成模型:GPT-6

学习率诊断要结合损失与验证表现

理解等级:中级

学习率过小可能收敛缓慢,过大可能震荡或越过合适区域。观察训练曲线可以帮助诊断,但不应将所有震荡都归因于学习率。记录优化器、批次与调度,并用验证任务效果确定合适配置,而非套用单一默认值。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      学习率决定了模型参数在每一步学习中的更新幅度。如果将学习过程看作寻找通往目标的路径,那么学习率就是每一步的步长。如果步长太小,可能需要很长时间才能达到目标;如果步长太大,则可能越过目标,导致模型无法收敛。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:学习率决定了模型参数在每一步学习中的更新幅度。如果将学习过程看作寻找通往目标的路径,那么学习率就是每一步的步长。如果步长太小,可能需要很长时间才能达到目标;如果步长太大,则可能越过目标,导致模型无法收敛。