1樓：旅行大喵
如果你用的是TensorFlow的話，可以在中間寫一些用於TensorBoard的輸出，然後每個模型放乙個資料夾，然後用TensorBoard來看這些資料夾的損失函式和Precision，AUC/ROC等等。另外TensorBoard可以顯示TensorFlow的模型結構，於是順便也把網路結構儲存下來了。
2樓：深度學習雜談
cnn的訓練和應用已經很成熟了。一般的識別，用大公司放出的pre-trained版本就足夠了，裡面已經包含了足夠的基礎特徵，需要做的是用你自己的樣本在它的基礎上訓練。這種增量的模式對於影象處理尤其好用，fb他們會把大的網路分層訓練好，然後給別的部門使用（lekun說過）。
自己調引數訓練有倆問題：樣本量大的話，會很慢。樣本量小，過擬合。
很多結構都是有數學理論支撐的，並不是像蓋房子一樣的物理結構，可以任意改引數。
3樓：
感覺並沒有什麼固定的規律，還是要根據不同的場景不斷嘗試迭代。
次數多了，自己碰到乙個新的場景，會慢慢有自己的想法和直覺。
hint: 對各種流行的模型，要嘗試從作者角度去理解這個模型的結構為什麼是這樣的。
4樓：
我是網路定義統一放在乙個nets.py檔案裡，每個函式定義乙個網路，統一好輸入輸出的格式，採用多行注釋說明結構，這樣IDE能自動解析。
用的時候在訓練檔案裡from nets import xx as mynet，這樣換網路只需要在import的地方更改。而且可以通過eval()函式來自動化的跑不同網路結構。
5樓：whale
簡單回答一下我的做法，供參考。我一般是把模型和訓練檔案分開來。看模型結構，如果模型結果大部分相似，只是小細節不同的話，可以把相同的部分寫成基類，然後模型繼承這個類。
舉個例子：比如要在res後面修改，可以把res作為基類，然後把自己的模型寫成類繼承res再增加自己的層，訓練時，在訓練檔案裡匯入這個類就行了。
面板資料回歸時，在確定固定效應模型後，如何選擇個體固定效應或時間固定效應呢？
連玉君 在金融經濟學研究中，固定效應的應用非常普遍，但是仍有許多研究者對固定效應的理解有限。deHaan 2021 主要解釋了以下問題 固定效應如何消除遺漏變數偏誤和影響標準誤差 固定效應回歸中常見的陷阱。特別地，deHaan 2021 主要關注於那些 X 具有非常小或沒有變動的固定效應組 例如，公...
在網際網路時代，學習時如何做筆記更高效高能？
雲悠水澈 以前看過乙個國外大學的小規模試驗，結論是手寫比電腦筆記記憶 理解效果好10 20 主要原因是電腦還沒有習慣到可以使用時無需分心的地步，需要看螢幕，還要手打，比手寫費心，手寫可以更多用心與內容。但這只是乙個短時效果單純的測試比較，並不能評估長遠的效益和區別不同用法。手寫有更專注內容 簡捷靈活...
天文學家在使用地心模型時是如何解釋月相變化的？
黃誠贇 日心說和地心說在解釋月相這一現象時沒有什麼差異 1.月球不發光，靠反射太Sunny。2.月球 地球 太陽之間的不同相位角而產生相對應的月相。座標系的選取不影響對月相成因的解釋，在描述月相形成這個問題上，兩個模型是等價的。如果題主去請教古希臘的天文學家，他們答案和今天的解釋是一致的 月亮不會發...