
260
|
第六章:深度網路的調整
b. 可判斷輸出層所要採用的型態
3. 設定好網路架構,以支援問題的解決:
a. 模型、架構與成本函數的選擇,全都很重要
b. 根據所選擇的架構,選擇一些隱藏層
c. 根據網路整體架構與特定層的意圖,選擇每一層所要採用的激活函數
4. 針對訓練資料進行以下工作:
a. 清理資料
b. 生成視覺化結果
c. 執行向量化與歸一化操作
d. 針對類別間的數量均衡性進行調整(如果有必要的話)
e. 把資料拆分成測試組、訓練組與驗證組
5. 運用調整過均衡性的資料子集合,發展出超參數調整策略:
a. 盡可能增加子集合資料的數量,並根據需要調整超參數
6. 如果最終的訓練組資料數量很龐大,使用 Spark 就可以更快訓練更多的資料(在適
當的情況下)。
這些步驟在具體調整細節方面仍然是很高階的概念,但是它在我們要建立任何深度網路
時,給了我們可依循的通用途徑。到了本章的最後,我們希望你能擁有一整套完善的基
本調整原則,以便能夠更接近當今資料科學領域的最新發展。現在我們就來深入了解深
度網路調整方面的具體情況,首先從我們的流程第一步開始:設法找出能與輸入資料相
匹配的網路架構。
輸入資料
—
找出相匹配的網路架構
如前一節所述,在深度網路設計程序中,一開始必須先思考的是,來源資料集代表的究
竟是什麼樣的東西。這裡有一些例子:
• 欄位型資料
• 圖片資料