如何快速取得到AI 训练 最佳的参数的巧思

    一般深度学习在训练过程中会用到许多超参数(Hyper Parameter)来调教神经网路的，例如 影像大小(Size)，学习率(Learning Rate)，学习迭代次数(Iteration)等等。甚至在资料扩增方面，也有需多参数需要做调整。往往都会花许多时间在调整不同的参数去寻找较佳的讯练结果，因为每一点参数都有可能会对最终结果产生影响。但调制尝试的各种参数时间其实不需要人力去监控他，每个参数对结果的相关性应该可以在整体实验完成后统计得到，只需要使用批次逐步执行的程式，即可快速测试大量的参数最优化结果。因此我们找到了网路上的超参数优化调教范例程式，可以快速测试大部分的参数对于应用场景的适应性、相关性，可以在极短的时间，找出合适的参数，产生最有效益的模型。