网友您好， 请在下方输入框内输入要搜索的题目：
题目内容
（请给出正确答案）
在训练神经网络时,损失函数(loss)在最初的几个epochs时没有下降,可能的原因是?( )
A.学习率(learningrate)太低
B.正则参数太高
C.陷入局部最小值
D.以上都有可能
参考答案
更多 “ 在训练神经网络时,损失函数(loss)在最初的几个epochs时没有下降,可能的原因是?( ) A.学习率(learningrate)太低B.正则参数太高C.陷入局部最小值D.以上都有可能 ” 相关考题
考题
1.构建一个DNN神经元网络模型，含有32*32*10个神经元。 2.用MNIST数据训练该模型，将结果用Matplotlib绘制成折线图。观察第几个epochs开始过度拟合。 3.调整epochs数值，避免过度拟合（最初级的办法），重新训练模型。然后保存到硬盘上。
考题
8、有关BP网络的说法，哪个是错误的？A．在使用梯度下降时，加上冲量项会减少训练的速度，但可能会减少陷入局部极小值的可能B．与批量梯度下降法相比，使用小批量梯度下降法可以提高训练速度，但达到全局最优解可能需要更多的迭代次数C．交叉熵也可以作为回归预测问题的损失函数D．神经元的激活函数选择影响神经网络的训练过程和最终性能
考题
在神经网络训练中，有关学习率调整说法错误的是？A．学习率设置不当会引起神经网络过拟合。B．学习率可以根据损失函数（代价函数）减少的快慢动态调整。C．学习率太小会使神经网络的训练迅速达到极小值。D．固定学习率设置太大可能会使神经网络训练震荡不收敛。
考题
BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入全局最优解
热门标签
最新试卷