问Conv-2 CNN架构- CIFAR-10

EN

通常，有两个conv的设置。层和一个池层对CIFAR很好地工作。由于您的批次大小相对较高，学习速度相对较低，这些可能不是缺乏收敛的根源。对于进一步的分析，你的培训计划和验证损失(不准确)将是有帮助的。

因此，我建议采取以下步骤：

1.绘制训练曲线和有效损失曲线，以了解你在收敛和过度拟合/不拟合方面的立场，例如，请参阅这篇文章关于如何读取损失曲线的内容。

2.如果您当前的模型容量不足，则训练更多的时间，或者添加另一层具有相同结构的层(功能应该在整个网络中增加，例如，首先有两个conv )。有深度32的层和下两层。层深64)

3.如果过度适应成为一个问题，增加辍学

此外，我不认为你需要多个完全连接的层，但它们可能也不会造成伤害。在这里，Adam可能会很好地使用标准的学习速率，但是如果您已经手动优化了您的学习速率，那也不错(事实上，学习速率是最有影响的超参数，所以优化它几乎总是有意义的)。

在深入学习中，检查哪些网络已经完成了您正在执行的任务(或类似的任务)通常是非常有意义的。对于CIFAR，您可以找到一个简单但工作良好的网络这里。