Deep learning 为什么不同的std值对网络训练有如此大的差异
我一直在努力训练一个网络。我的网络也不会融合。但当我把高斯标准从0.01改为0.0001时，我的网络融合得非常好。谁能给我解释一下吗？这里最大的区别是什么？我的另一个经验是，Deep learning 为什么不同的std值对网络训练有如此大的差异,deep-learning,caffe,conv-neural-network,Deep Learning,Caffe,Conv Neural Network,我一直在努力训练一个网络。我的网络也不会融合。但当我把高斯标准从0.01改为0.0001时，我的网络融合得非常好。谁能给我解释一下吗？这里最大的区别是什么？我的另一个经验是，xavierfiller产生了更糟糕的结果 提前谢谢 没有人能给你一个如此详细的解释，而且我不认为这个问题是可以回答的，即使你提供了网络架构，初始化的效果对于很多架构来说都是一个开放的问题。好吧，那么使用0.0001并不奇怪@MatiasValdenegro@thigi如果它起作用，那就不奇怪了好吧，很高兴知道。我正在将我的
xavier提前谢谢 没有人能给你一个如此详细的解释，而且我不认为这个问题是可以回答的，即使你提供了网络架构，初始化的效果对于很多架构来说都是一个开放的问题。好吧，那么使用0.0001并不奇怪@MatiasValdenegro@thigi如果它起作用，那就不奇怪了好吧，很高兴知道。我正在将我的输出值从[0255]缩放到[0，1]，因此这可能是我必须降低标准的原因。但这只是一个猜测。我将尝试不缩放值，看看会发生什么@谢