深度学习应用技巧总结与pytorch框架下训练过程的记忆技巧
深度学习应用技巧总结与记忆技巧
训练数据预处理
数据可以说是深度学习的“种子”,这个是模型训练的第一步。没有数据是训练不出模型的。数据预处理是深度学习中非常重要的一个环节。通过对数据进行归一化、标准化、缺失值填充等操作,可以有效地减小训练误差,并提高模型的泛化能力。
特征工程
特征工程相当于在众多的种子中选择特等有优势的种子。特征工程是将原始数据转换成适合于机器学习算法输入的特征向量的过程。在深度学习中,卷积神经网络(CNN)、循环神经网络(RNN)等模型通常需要从原始数据中提取出特征。通过优秀的特征工程,可以提高模型的性能和精度。
模型选择
模型选择相当于选择合适的土壤来种植种子,正所谓橘生淮南则为橘生于淮北则为枳。只有合适的土壤环境才能种出好果实。模型选择是针对不同的任务,有不同的深度学习模型可供选择。