决定dropout之前,需要先判断是否模型过拟合

先dropout=0, 训练后得到模型的一些指标(比如: F1, Accuracy, AP)。比较train数据集和test数据集的指标。

过拟合:尝试下面的步骤。
欠拟合:尝试调整模型的结构,暂时忽略下面步骤。
dropout设置成0.4-0.6之间, 再次训练得到模型的一些指标。

如果过拟合明显好转,但指标也下降明显,可以尝试减少dropout(0.2)
如果过拟合还是严重,增加dropout(0.2)
重复上面的步骤多次,就可以找到理想的dropout值了。

https://zhuanlan.zhihu.com/p/77609689
注:dropout过大是容易欠拟合。

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐