总结之2022

Posted 2023-05-04 シシヌ

很久没写总结了，差点找不回账号。

去年是充满波折的一年，我参与了许多现场项目，现场工作是个麻烦事，更别提在疫情期间了，差点体验一把集中隔离，恰好项目结束，我告诉当地防疫办今天已定好机票离开当地，好说歹说变成了转运到火车站自行出市，现在回想已过去半年，疫情结束彷佛就是一夜的事。

工作涉及各种设备，也熟悉了不少通讯协议，像SCPI，Modbus TCP/RTU，当然也有各种非标准魔改协议。去年我常常在想一个直接的问题，专注内部产品迭代，和参与外部扩展业务，哪一个更有前途，人就是爱给自己找借口，一番比较之后终归觉得自己是有前途的，毕竟现场工作的复杂性是多维度的，不止局限于技术开发，我也是经过总结之后才发现我俨然算个全栈+管理了，在现场既要负责人工调度，还要和客户需求讨价还价。

当然遗憾的是在技术方面的成长有限，普世一点的就是各种标准协议的应用，以及通讯数据的完整性校验。

顺带一提，当了解到Java的同行从来都是靠数据库通讯，而一直以来直接用各种协议解析的我深受震撼。

23年AI技术进步神速，看得我很是热血沸腾，虽然与我现在手头的工作无关，但技术的成长终归还是要靠自己，否则就会囿于现有的领域，自我迭代再多也是无效的。

DL：深度学习模型优化之模型训练技巧总结之适时自动调整学习率实现代码

DL：深度学习模型优化之模型训练技巧总结之适时自动调整学习率实现代码

目录

深度学习模型优化之模型训练技巧总结之适时自动调整学习率

实现代码

---

深度学习模型优化之模型训练技巧总结之适时自动调整学习率

实现代码

def scheduler(epoch):
    # 每隔50个epoch，学习率减小为原来的1/10
    if epoch % 50 == 0 and epoch != 0:
        lr = K.get_value(GRU.optimizer.lr)
        if lr>1e-5:
            K.set_value(GRU.optimizer.lr, lr * 0.1)
            print("lr changed to ".format(lr * 0.1))
    return K.get_value(GRU.optimizer.lr)

reduce_lr = LearningRateScheduler(scheduler)
early_stopping = EarlyStopping(monitor='loss', 
                               patience=20, 
                               min_delta=1e-5,
                               mode='auto',
#                                restore_best_weights=False,#是否从具有监测数量的最佳值的时期恢复模型权重
                               verbose=2)