comment_configurer_le_nombre_de_couches_et_de_nœuds_dans_un_reseau_neuronal
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédenteProchaine révisionLes deux révisions suivantes | ||
comment_configurer_le_nombre_de_couches_et_de_nœuds_dans_un_reseau_neuronal [2020/10/03 09:52] – [Bonus] serge | comment_configurer_le_nombre_de_couches_et_de_nœuds_dans_un_reseau_neuronal [2020/10/13 14:30] – serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
====== Comment configurer le nombre de couches et de nœuds dans un réseau neuronal ====== | ====== Comment configurer le nombre de couches et de nœuds dans un réseau neuronal ====== | ||
+ | <WRAP center round box 80% centeralign> | ||
+ | **{{tagpage> | ||
+ | </ | ||
Traduction de **[[https:// | Traduction de **[[https:// | ||
+ | ====Ressources==== | ||
+ | * https:// | ||
+ | * **[[https:// | ||
=====Introduction===== | =====Introduction===== | ||
Les réseaux de neurones artificiels ont deux hyperparamètres principaux qui contrôlent l' | Les réseaux de neurones artificiels ont deux hyperparamètres principaux qui contrôlent l' | ||
Ligne 56: | Ligne 62: | ||
===Remarque=== | ===Remarque=== | ||
- | Plus précisément, | + | Plus précisément, |
====En pratique==== | ====En pratique==== | ||
- | Il s'agit d'une découverte théorique souvent citée et il existe une tonne de littérature à ce sujet. | + | En pratique, nous n' |
Même pour les fonctions qui peuvent être apprises via un MLP suffisamment grand à une couche cachée, il peut être plus efficace de l' | Même pour les fonctions qui peuvent être apprises via un MLP suffisamment grand à une couche cachée, il peut être plus efficace de l' | ||
Puisqu' | Puisqu' | ||
=====Combien de couches et de nœuds utiliser? | =====Combien de couches et de nœuds utiliser? | ||
- | Avec le préambule des MLP à l' | ||
Combien de couches devez-vous utiliser dans votre Perceptron multicouche et combien de nœuds par couche? | Combien de couches devez-vous utiliser dans votre Perceptron multicouche et combien de nœuds par couche? | ||
Dans cette section, nous énumérerons cinq approches pour résoudre ce problème.\\ | Dans cette section, nous énumérerons cinq approches pour résoudre ce problème.\\ | ||
Ligne 74: | Ligne 79: | ||
Le nombre de couches et le nombre de nœuds dans chaque couche sont des hyperparamètres de modèle que vous devez spécifier. | Le nombre de couches et le nombre de nœuds dans chaque couche sont des hyperparamètres de modèle que vous devez spécifier. | ||
Vous êtes probablement la première personne à tenter de résoudre votre problème spécifique avec un réseau neuronal. Personne ne l'a résolu avant vous. Par conséquent, | Vous êtes probablement la première personne à tenter de résoudre votre problème spécifique avec un réseau neuronal. Personne ne l'a résolu avant vous. Par conséquent, | ||
- | Vous devez découvrir la réponse en utilisant un harnais de test robuste et des expériences contrôlées. | + | Vous devez découvrir la réponse en utilisant un harnais de test robuste et des expériences contrôlées.\\ |
- | * Comment évaluer la compétence des modèles d' | + | |
Indépendamment de l' | Indépendamment de l' | ||
Ligne 83: | Ligne 87: | ||
Un modèle profond fournit une hiérarchie de couches qui construisent des niveaux d' | Un modèle profond fournit une hiérarchie de couches qui construisent des niveaux d' | ||
Étant donné une compréhension du domaine du problème, nous pouvons croire qu'un modèle hiérarchique profond est nécessaire pour résoudre suffisamment le problème de prédiction. Dans ce cas, nous pouvons choisir une configuration de réseau comportant de nombreuses couches de profondeur. | Étant donné une compréhension du domaine du problème, nous pouvons croire qu'un modèle hiérarchique profond est nécessaire pour résoudre suffisamment le problème de prédiction. Dans ce cas, nous pouvons choisir une configuration de réseau comportant de nombreuses couches de profondeur. | ||
- | Le choix d'un modèle profond encode une croyance très générale selon laquelle la fonction que nous voulons apprendre devrait impliquer la composition de plusieurs fonctions plus simples. Cela peut être interprété du point de vue de l' | + | Le choix d'un modèle profond encode une croyance très générale selon laquelle la fonction que nous voulons apprendre devrait impliquer la composition de plusieurs fonctions plus simples. Cela peut être interprété du point de vue de l' |
- | + | Cette intuition peut provenir de l' | |
- | Cette intuition peut provenir de l' | + | **D' |
- | D' | + | |
====Optez pour la profondeur==== | ====Optez pour la profondeur==== | ||
Ligne 113: | Ligne 116: | ||
* Ajustez les modèles sur un sous-ensemble plus petit de l' | * Ajustez les modèles sur un sous-ensemble plus petit de l' | ||
* Liez de manière agressive la taille de l' | * Liez de manière agressive la taille de l' | ||
- | * Parallélisez la recherche sur plusieurs instances de serveur | + | * Parallélisez la recherche sur plusieurs instances de serveur. |
Je recommande d' | Je recommande d' | ||
====Bonus==== | ====Bonus==== | ||
J'ai vu d' | J'ai vu d' | ||
- | Je ne veux pas les énumérer; Je suis sceptique sur le fait qu'ils ajoutent une valeur pratique au-delà des cas particuliers sur lesquels ils sont présentés. | + | Je ne veux pas les énumérer. Je suis sceptique sur le fait qu'ils ajoutent une valeur pratique au-delà des cas particuliers sur lesquels ils sont présentés. |
====Lectures complémentaires==== | ====Lectures complémentaires==== | ||
Ligne 124: | Ligne 127: | ||
- | {{tag>sb ia}} | + | {{tag>sb ia keras}} |
comment_configurer_le_nombre_de_couches_et_de_nœuds_dans_un_reseau_neuronal.txt · Dernière modification : 2020/12/27 15:13 de serge