我正在训练一个卷积网络,其中包含大约10个卷积层和一些池化层。训练集大约有250,000个样本(16,000个长度向量)。在第一个时期约50%,训练和测试错误从大约68%跃升至92%。学习率相同(批量梯度下降)。批量大小为32.导致跳跃的原因是什么,以及如何解释跳转?
在斯坦福的深度学习课程https://youtu.be/wEoyxE0GP2M?t=1h18m2s上找到了这张幻灯片
给出的解释是这是参数初始化不良的症状。有一段时间几乎没有学习,然后突然参数调整到正确的方向,你的准确度和/或损失都会大幅增加。