Machine learning 如何定义神经网络中的坏学习率？

我试图对神经网络中的不良学习率定义如下：

神经网络中的不良学习率是指当您指定的学习率过低或过高时，如果学习率过低，则网络将花费太多时间进行训练，但是如果学习率过高，则网络将变化太快，从而可能导致输出

---

任何建议都将不胜感激

我认为有效的学习率α取决于数据。关于学习效率低下的问题，你提到的几点是绝对正确的。因此，没有选择alpha的硬性规定。让我列举一下在决定alpha时所采取的步骤：

显然，您需要一个大的alpha，以便您的模型能够快速学习 还要注意的是，大阿尔法可能会导致超过最小值，因此你的假设不会收敛 为了解决这个问题，你可以进行学习速率衰减。当你接近极小值时，这会降低你的学习速度，减慢学习速度，这样你的模型就不会超调。 有两种方法可以做到这一点：

阶跃衰减 指数衰减 线性衰减

---

您可以选择其中一个，然后训练您的模型。话虽如此，我还是要指出，在你获得最佳结果之前，这需要你方的反复尝试。

请在否决票上提供意见，谢谢