一个算法工程师复现算法的踩坑说明了

意的去随机，适度情况下难题可以复现比如先不必申劝加入随机图表提高，建模的随机种子一般来却说。

用少量的图表，这样可以慢速的做到实验者，也可以让建模慢速过最优。建模能过最优可以至少确定建模是可以懂得点什么的。

适度按照书名来复现，在复现前，先不必过多的移除自己与众不同的设想。比如操练模板，建模backbone，图表提高方式等等先按照短文来。不应该的点可以尝试email著者或者寻觅相关从那时起辩论。

日志读取全，比如化简loss为nan的状况，能够其实是forward的造成了还是bp造成了。

五、一些或许依赖于的操练建议

情况下图表是有用的

有未及操练建模极好用上

往往研习叛将模板少于1e-5基本上没啥用了，比如cosine或者step操作，最后的研习叛将到1e-5就好了。当然特殊护航不一样

bn在操练时想到打开格外新（值得注意是tf的时在，容易漏），不然似乎显现出现的难题是操练时loss下降很快，次测试感建模就没收敛

sgd是很棒的，但是实验者用adam或许收敛加速格外高

如果想很好的压榨显现出一个搜索算法的性能，劝先情况下局限性建模能显现出发相应的性能先去压榨。而不是盲最终目标交可选，恶作剧调参，那样似乎只是太难

不必太相信自己的调参技术，在不但会一个极好的baseline状况下，调参不但会有质的格外有（除非是之前模板造成了某种bug）

图表小时，使用了未及操练建模想到一般来却说前最上层的建模模板，还可以用小圆的研习叛将

loss balance有时候很依赖于

移位操练似乎可以强化牌手，将一个建模操练好后，用操练好的建模做到未及操练建模存档，独自用同一套模板操练。有点像CyclicLR（_scheduler.CyclicLR.html#torch.optim.lr_scheduler.CyclicLR）

DL不但会像机器研习有那么多公式支撑，很多都是make sense就做到个实验者来验证，所以适度多阅读研究成果，忘了别人的实验者，这样就可以增大不必要的实验者。

这篇短文是为了交友自己的一些心得，希望听众能用得上，如果有严轻错误还劝告知，不想误导他人

书名：

。

总是便秘是什么原因引起的
儿童装健胃消食片
胃炎拉肚子吃什么药好
复方鳖甲软肝片的功效与作用
怎样治疗颈椎病最好