如何解决如何比较两个深度学习模型的性能？
我是深度学习的新手，所以如果问题没有意义，请纠正我。
在传统机器学习中，我知道如何比较模型并根据我选择的指标选择最佳模型之一。
然而，在深度学习中，每个模型都是用不同的层构建的，那么我如何控制变量来公平地确定哪个模型是最好的？还是通常人们不会这样比较？
例如我有一个序列数据，我可以同时使用 CNN 和 LSTM 模型，那么我应该将模型与只有一层 CNN 和一层 LSTM 进行比较吗？之后我可以添加更多层或调整我的模型吗？
或者有人可以告诉我如何用选定的指标比较和选择最佳深度学习模型的过程？
解决方法
对于您提到的顺序数据， 层数与两个模型的比较无关。在一定数量的层上，由于过度拟合，您的准确度将开始下降。 将 1 层 CNN 与 1 层 LSTM 进行比较不是正确的做法。
您需要检查以下因素进行比较，例如 准确度、精确度、召回率、f1-score 取决于您的应用目标。
例如，如果您正在处理语言翻译数据 LSTM 会是更好的选择，因为它解决了梯度消失的问题。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
