machine-learning - 如何比较两种深度学习模型的性能？

Question

我是深度学习的新手，所以如果这个问题没有意义，请纠正我。

在传统的机器学习中，我知道如何比较模型并根据我选择的指标选择最佳模型之一。

然而，在深度学习中，每个模型都是用不同的层构建的，那么如何控制变量来公平地确定哪个模型是最好的呢？或者通常人们不会这样比较？

例如我有一个序列数据，我可以同时使用 CNN 和 LSTM 模型，那么我应该将模型与只有一层 CNN 和一层 LSTM 进行比较吗？之后我可以添加更多层或调整我的模型？

或者有人可以告诉我如何比较和选择具有所选指标的最佳深度学习模型的过程？

Answer 1

对于您提到的顺序数据，层数与两个模型的比较无关。在一定数量的层上，由于过度拟合，您的准确性将开始下降。将 1 层 CNN 与 1 层 LSTM 进行比较不是正确的方法。

您需要根据您的应用目标检查以下因素进行比较，例如准确度、精度、召回率、f1 分数。

例如，如果您正在处理语言翻译数据，LSTM 会是更好的选择，因为它解决了梯度消失的问题。