评估架构性能的 Boo(n) 方法
机器学习
2018-07-24 v2 机器学习
摘要
我们指出了使用最佳单一模型性能来比较深度学习架构这一常见做法的重要问题，并提出了一种纠正这些缺陷的方法。每次训练模型时，由于训练过程中的随机因素（包括随机参数初始化和随机数据打乱），都会得到不同的结果。报告最佳单一模型性能并不能恰当处理这种随机性。我们提出了一种归一化期望最佳前 n 性能（normalized expected best-out-of- performance，）作为纠正这些问题的方法。
引用
@article{arxiv.1807.01961,
title = {A Boo(n) for Evaluating Architecture Performance},
author = {Ondrej Bajgar and Rudolf Kadlec and Jan Kleindienst},
journal= {arXiv preprint arXiv:1807.01961},
year = {2018}
}
备注
ICML 2018