深度學習模型訓練時的一些考慮

1、首先，判斷當前訓練集上的性能是否可以接受。若模型在當前訓練集上的性能表現很差，採用的算法無法在訓練集上學習出良好的模型，那麼暫且沒有必要收集更多的數據。通過嘗試增加網絡層數或者每層更多的隱藏單元，以增加模型的擬合能力。此外，也可以嘗試調整學習率等超參數的措施來改進學習算法。

2、如果複雜度高的模型和仔細調試的優化算法效果不佳，問題可能源自訓練數據集的質量。訓練數據中可能存在太多噪聲，或者可能不包含預測輸出所需的正確輸入。此時要重新收集更乾淨的數據或者收集特徵更加豐富的數據集。