第394章 超参数全自动搜索

超参数进行一些微调。

每当完成一轮训练，还会按照既定的规则，自动从各个方面进行评分。

比如，在梯度下降的过程中，模型是否收敛、收敛速度如何？

不能收敛的网络，根本无法训练，也就毫无价值，如果收敛速度过慢，训练起来也会缺少效率。

此外，网络模型在验证集中的表现，泛化能力、识别准确度、网络的稳健性……

最后，将每次训练完成后，人工神经网络的综合得分，统合到一起，从高到低排一下序。

通过最后生成的表格，就可以选认适的超参数组合了。

为了让这个超参数搜索程序，获得更高的工作效率，还需要事先指定超参数的搜索范围。

范围太大的话，会导致搜索时间过长，可能会等不及出结果；如果范围太，又很可能找不到合格的超参数取值。

这个搜索范围，可以看做ASSP本身的超参数，无法自动搜寻，只能凭经验设定。

好在江寒已经训练过许多次人工神经网络，有着十分充足的经验。

他将ASSP和深度CNN的代码融合之后，连同训练数据、验证数据，全都上传到霖下数据处理中心的服务器里。

差不多两之后，ASSP就能得到初步的成果。

至于整个CNN网络的训练，那可就有的等了。

原始数据是12万多条，增广到2048倍之后，就是2亿4千5百万余条数据！

数据量实在太庞大了，即使使用了GPU来提速，至少也需要5~7，才能完成初步的训练。

江寒让程序跑起来之后，就走出了实验室。

打算回到游戏工作室里，休息一下，然后去主持面试。

刚喝了两口水，手机忽然响了起来。

来电是夏如虹的，江寒连忙接了起来，叫了声：“阿姨。”

“你在哪了？”夏如虹声音温婉。

“17楼办公室。”江寒回答。

夏如虹打这个电话，主要是讨论写字机器饶销量和分成。

写字机器人上市的时候，已经接近年底，所以截止2012年12月31日，只卖出了30多万台。

按照当初的约定，%销售额的分成。

机器饶出厂价是每台558元，%，30万台……

江寒随便心算了一下，就得出了答案：580多万。

这就比较让人愉快了。

有了这笔钱，星空那边的钱，暂时就不急着动用了。

这样也能避免不少汇兑、税费之类的损失……