趋近智
在构建了RNN、LSTM和GRU等模型之后,接下来自然要衡量它们的有效性,并对其进行改进以达到最佳表现。仅仅构建模型是不够的;通过严谨的评估和系统的调优来理解其优点和缺点,对于实际使用非常重要。
本章提供进行此过程所需的工具和方法。你将学习到:
在本章结束时,你将能够准确衡量序列模型的性能,并应用标准技术来改进它们在特定任务上的表现。
10.1 序列分类的评估指标
10.2 序列预测的评估指标
10.3 序列生成模型的评估指标
10.4 可视化模型行为
10.5 超参数调整策略
10.6 RNN的正则化方法
10.7 常见训练问题的排查
10.8 实践:调整RNN模型