1 前言
平台网址链接
平台介绍：这是一个网络应用程序，专门为机器学习的初学者设计，可以轻松地通过直觉来选择正确的超参数。
以此篇文章记录我的调参结果和个人总结，如果大家有更好的效果，欢迎留言交流~
2 调参思路
- 最开始：没有regulation，learning rate较大，网络模型简单
- 如果train和test接近且准确率高，说明模型ok
- 如果train是折线，则需要降低lr
- 如果train不高，且不是折线，则提高模型复杂度/提高epoch/尝试下提高lr
- 如果train高，但是test低，说明过拟合了，增加dropout/增加regulation/减小模型复杂度。
注意：width\depth不是越大越好，模型越复杂越需要更多的epoch去训练，因此在epoch一定情况下，模型越简单越好。
3 调参过程
3.1 cnn
即：
网页说，应该要把acc调到0.7左右，我只能调到0.685了…
3.2 two layers
目前最优的结果：
4 总结
鄙人不太会调参，如果有好的思路和方法希望大家能分享下~ 阿里嘎多！
