Chernger, your changer.

    一般深度學習在訓練過程中會用到許多超參數(Hyper Parameter)來調教神經網路的,例如 影像大小(Size),學習率(Learning Rate),學習迭代次數(Iteration)等等。甚至在資料擴增方面,也有需多參數需要做調整。 往往都會花許多時間在調整不同的參數去尋找較佳的訊練結果,因為每一點參數都有可能會對最終結果產生影響。但調製嘗試的各種參數時間其實不需要人力去監控他,每個參數對結果的相關性應該可以在整體實驗完成後統計得到,只需要使用批次逐步執行的程式,即可快速測試大量的參數最優化結果。 因此我們找到了網路上的超參數優化調教範例程式,可以快速測試大部分的參數對於應用場景的適應性、相關性,可以在極短的時間,找出合適的參數,產生最有效益的模型。