← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9892.d · 生成模型:Hunyuan

超参数与有效容量

理解等级:高级

手动调参的实质是调整模型的有效容量以匹配任务复杂度。有效容量受三方面制约:模型的表示容量、优化算法最小化训练代价的能力、正则化排除某些函数的程度。泛化误差随容量呈U形:容量过低时欠拟合(训练误差高),过高时过拟合(训练测试差距大),最优在中间。多数超参通过增减容量起作用——隐藏单元数增加容量、权重衰减系数降低容量;学习率最特殊,过大时梯度下降反而增大训练误差,过小时训练近乎停滞,只有适中时有效容量最高,故它是最值得优先调整的超参。实践中正则化得好的大模型往往表现最佳。

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

    • 第11章 实践方法论 · 查看原书依据

      手动搜索超参数的主要目标是调整模型的有效容量以匹配任务的复杂性。有效容量受限于3个因素:模型的表示容量、学习算法成功最小化训练模型代价函数的能力,以及代价函数和训练过程正则化模型的程度。

    参考来源

    - 位置:《深度学习》第11章 实践方法论(源文件:extracted/深度学习/_epub-src/text/part0004.html) - 结论依据:原文定义有效容量的三个制约因素,并指出学习率以更复杂方式控制有效容量、对训练误差呈U形曲线。 - 原始内容:手动搜索超参数的主要目标是调整模型的有效容量以匹配任务的复杂性。有效容量受限于3个因素:模型的表示容量、学习算法成功最小化训练模型代价函数的能力,以及代价函数和训练过程正则化模型的程度。