.png){kind=icon}
返回
Optimizing deep learning models: A review
.png){kind=icon}
PRE
AI
DOI：10.1177/15741702251370052.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来深度学习的进展使得开发出强大的模型成为可能，但这些模型也极具资源密集性。这导致了高昂的财务成本、延长的训练时间以及显著的环境影响。因此，优化训练过程对于在维持或提升性能的同时缓解这些成本至关重要。在此背景下，软件层面的优化通过改进训练流水线、内存管理和整体代码效率发挥着关键作用。作为代码优化过程的一部分，超参数微调是本综述的重点，它探讨了如何有效结合和调整这些参数，以提升整体模型性能，同时降低成本和环境影响的综述。
Keyword:
deep learning
learning rate
momentum
weight decay
期刊
M
IF:
0.4
论文数:
11
被引数:
0
机构
暂无机构信息
.png){kind=icon}
