محققان در یک تحقیق گسترده، تأثیر «نرخ یادگیری» (Learning Rate) را بر دقت مدلهای هوش مصنوعی بررسی کردند. این مطالعه که روی بیش از ۳۹۰۰ مدل مختلف انجام شده، نشان میدهد انتخاب نوع زمانبندی (Scheduler) چقدر میتواند در عملکرد نهایی مدل شما حیاتی باشد.
نتایج این تحقیق ثابت کرده که روشهای CosineAnnealingWarmRestarts و CyclicLR بهمراتب بهتر از روشهای قدیمی عمل میکنند. این یک راهنمای کاربردی عالی برای مهندسان یادگیری ماشین است تا با انتخاب اصولی زمانبندی، دقت مدلهای خود را افزایش دهند.
منبع: arXiv Computer Vision