在神经网络训练中，有关学习率调整说法错误的是？（ ）
A: 学习率设置不当会引起神经网络过拟合。
B: 学习率可以根据损失函数（代价函数）减少的快慢动态调整。
C: 学习率太小会使神经网络的训练迅速达到极小值。
D: 固定学习率设置太大可能会使神经网络训练震荡不收敛。
A: 学习率设置不当会引起神经网络过拟合。
B: 学习率可以根据损失函数（代价函数）减少的快慢动态调整。
C: 学习率太小会使神经网络的训练迅速达到极小值。
D: 固定学习率设置太大可能会使神经网络训练震荡不收敛。
举一反三
- 有关神经网络训练时使用的学习率参数说法错误的是？ A: 学习率可以与其他网络参数一起训练，对降低代价函数是有利的。 B: 学习率过大更容易导致训练陷入局部极小值。 C: 学习率可以随着训练误差动态调整效果更好。 D: 网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡。
- 有关神经网络训练时使用的学习率参数说法正确的是（ ）。 A: 学习率可以随着训练误差动态调整效果更好。 B: 学习率过大更容易导致训练陷入局部极小值。 C: 学习率可以与其他网络参数一起训练，对降低代价函数是有利的。 D: 网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡。
- 如果训练（RNN）神经网络使用的学习率太大可能将出现什么结果？ A: 网络将收敛 B: 网络将无法收敛 C: 网络很快达到训练目标 D: 训练过程中代价函数的震荡
- 中国大学MOOC: 在神经网络训练中，有关学习率调整说法错误的是？
- 关于人工神经网络中学习率η的说法中，错误的是（ ）。 A: 学习率太小，权值调整太慢，模型不易收敛 B: 学习率太大容易造成权值调整不稳定 C: 为确保学习效果，模型的学习率通常大于1 D: 学习率的设置因具体应用场景而有所不同