第412章 临界状态（2 / 2）

，但现在又开始拉开距离。

算法学得不够快。他喃喃自语。

韩博走过来：是不是模型太复杂了？学习参数太多，需要的数据量太大？

有可能。小陈调出模型结构，这是一个有三百多个可调参数的深度神经网络。理论上，这种模型能拟合非常复杂的非线性关系，但也需要海量数据来训练。

三天时间，对三百个参数来说，太短了。

简化模型。小陈做出决定，抓住主要矛盾，先解决80%的问题。

他开始删减网络层数，减少参数数量。从三百个参数压缩到一百五十个，再从一百五十个压缩到八十个。每删减一层，模型复杂度就降低一档，但拟合能力也下降一档。

就像做选择题，要精度，还是要速度？要完美的理论模型，还是要能在有限时间内见效的实用方案？

小陈选择了后者。

新模型编译完成，重新部署。学习速度明显加快，精度曲线的下滑趋势再次被抑制。

但代价是，模型对一些极端工况的适应性变差了。设备运行到某些特殊位置时，补偿效果会打折扣。

先解决主要矛盾。小陈对自己说，剩下的20%，以后慢慢优化。

周日晚上，设备运行第七十二小时。

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！