深度学习中的超参数设定

一、网络超参数的设定 输入数据像素大小的设定： 为便于GPU并行计算，一般将图像大小设置为到 2 的 次幂 卷积层参数的设定： 卷积核大小一般使用 1∗1 1 ∗ 1 、 3∗3 3 ∗ 3 或 5∗5 5 ∗ 5 使用 zero padding，可以充分利用边缘信息、使输入大小保持不变 卷积核的个数通常设置为 2 的次幂，如 64， 128， 256， 512， 1024 等 池化层参数的设定：

>>阅读原文<<