用于二分类细胞神经网络的张量流Conv1D

Question

我正在CNN中创建一个用于二进制分类的Conv1D层，我是机器学习的新手，我需要一些帮助来计算出Conv1D的正确值：

tf.keras.layers.Conv1D(
    filters, kernel_size, strides=1, padding='valid', data_format='channels_last',
    dilation_rate=1, groups=1, activation=None, use_bias=True,
    kernel_initializer='glorot_uniform', bias_initializer='zeros',
    kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
    kernel_constraint=None, bias_constraint=None, **kwargs
)

我想知道是否有一种方法可以确定最适合我的数据集的“正确”超参数。

Answer 1

为了完成，这里是tf.keras.layers.Conv1D的文档，它解释了每个参数的用途。

没有这样的流程！这是深度学习中的一个问题，没有“神奇”的方法来选择最好的超参数来满足你的问题。一旦你更有经验，你也许能够做出一个有教育意义的猜测，这将是相当好的。

解决这个问题的一种方法，就是为你想要调优的每个超参数设置多个可能的有效选项，并有效地迭代它们。

你可以在keras中使用GridSearchCV来做这件事，这里有几个很好的开始链接：

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

https://machinelearningmastery.com/grid-search-hyperparameters-deep-learning-models-python-keras/

https://www.kaggle.com/shujunge/gridsearchcv-with-keras