如何快速取得到AI訓練 最佳的參數的巧思
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。
