Deep learning 同一CNN模型是否需要不同数据集的不同学习率？

我使用卷积神经网络模型进行医学图像分割。当我训练模型（例如提拉米苏模型）时，我尝试了论文中推荐的相同学习率，但是，我得到了糟糕的结果

---

我关心的是，当我们对不同的数据集使用模型时，是否需要找到不同的最佳学习率。例如，在本例中，他们使用CamVid数据集（街道、汽车、人等），而我使用的是医学图像。

虽然可能有一些参数对大多数情况下都能很好地工作（通常是几个库的默认值），但最佳选择取决于数据集。使用论文中的内容是一个很好的起点，可以建立一个基线，但不要让它阻止你尝试改变它们

另一个重要的点是损失函数，这一损失函数可能适用于分割汽车（它们很大，占图像的20%以上），也可能不适用于文本（小，占图像的1%以下）

---

如果您有一个二进制分割，那么使用阈值来决定像素是否是您想要的类别也很重要。

非常感谢@juvian。如果你知道wich提到的任何一篇文章，这都会很有帮助。在阅读了几篇文章后，你开始注意到许多人使用几乎相同的架构，但是他们的损失函数/参数发生了变化，产生了不同的结果。如果有人感兴趣的话，你可以尝试搜索。