人工智能AI面试题-4.13当神经网络的调参效果不佳时，从哪些角度思考?

4.13 当神经网络的调参效果不佳时，从哪些角度思考? 1） 是否找到合适的损失函数？🎯（不同问题适合不同的损失函数）（理解不同损失函数的适用场景） 2） batch size是否合适？🧪 batch size太大 -> loss很快平稳，batch size太小 -> loss会震荡（理解mini-batch） 3） 是否选择了合适的激活函数？🔌（各个激活函数的来源和差异） 4） 学习率，学习率小收敛慢，学习率大loss震荡（如何选取合适的学习率） 5） 是否选择了合适的优化算法？🚀（比如adam）（理解不同优化算法的适用场景） 6） 是否过拟合？(深度学习拟合能力强，容易过拟合)（理解过拟合的各个解决方案） a. Early Stopping ⏹️ b. Regularization（正则化）📐 c. Weight Decay（收缩权重）💪 d. Dropout（随机失活）❌ e. 调整⽹络结构🏗️