Я хочу оптимизировать алгоритм обнаружения объектов глубокого обучения (в Керасе с тензорным бэкэндом).Стандартная процедура заключается в использовании GridSreachCV для обучения модели с различными комбинациями параметров.
Недавно я столкнулся со статистическим методом - Метод Тагучи .Метод (ортогональный массив L9) принимает 4 параметра (т.е. переменные), каждый из которых имеет 3 значения (т.е. значения уровня фактора), и дает таблицу только с 9 экспериментами, которые должны быть выполнены, в отличие от обычной практики 81 эксперимента.
Я хотел бы знать, можно ли использовать метод Тагучи вместо поиска по сетке, который занимает много времени.
Параметры, которые я хочу проверить, - это эпохи, скорость обучения, размер пакета, количество якорей