ML項目建議
- 首先創建您的機器學習管道，然後開始擔心如何調整並在以後更好地使您的模型。
- 例如，如果您要創建圖像分類模型，請確保您能夠將數據加載到程序中，創建測試/訓練矩陣，創建一個非常簡單的模型（使用其中一個DL庫），創建訓練循環，並確保網絡正在學習一些東西，你可以達到一些基線準確性。只有在完成這些步驟後，才能開始擔心正規化，數據增強等問題。
- 太多次，當您的問題可能只是加載數據或創建培訓批次時，您可以克服模型和超參數的複雜性。一定要把機器學習管道的那些簡單部分放下來。
- 確保您擁有最小但有效的端到端管道的另一個好處是，您可以在開始更改模型和調整超參數時跟蹤性能指標。
- 如果您正在嘗試創建某種最終產品，那麼80％的ML項目將誠實地只是做前端和後端工作。即使在ML的20％工作中，很多也可能是數據集創建或預處理。
- 始終將您的數據劃分爲訓練和驗證（並在需要時進行測試）。在培訓期間的某些點檢查驗證集的性能將幫助您確定網絡是否正在學習以及何時開始過度擬合。
- 在創建培訓批次時，始終將數據洗牌。