---

第34章 数据融合异常 (2 / 4)
        这就是AI领域的问题之一，模型完全是黑盒的，你永远不知道你的数据在模型里是怎么变化传输的，可能某一行代码出了问题，就会导致各种奇奇怪怪的问题。

        不过还好，周昀在写代码的时候加入了大量的调试代码，因为每跑一次实验需要的时间太长了，

        甚至这次他并没有用到所有的数据，只用了其中的一部分，跑一组实验就得一周，这还是64张H100的显卡集群的情况下，

        如果用上全部的数据的话，虽然时间上不会是简单的倍乘关系，但至少也得两周。

        但这也就是第一次训练时候需要大量数据才要这么久，等第一次训练好了，后续的再有新的数据，就不需要从头训练，只需要利用新的数据微调就行。

        现在他就在看输出日志，观察到底是在哪一个环节出了问题，为了衡量模型的效果好坏，

        他在数据预处理，数据融合，模型训练，结果输出这几个方面设计了几个指标。

        经过观察，他大概确认了最为可能的一个原因。

        数据融合异常。

        因为模型接受的数据是多种模态的，所以在预处理之后还有一个数据融合阶段。

        根据实验日志来看，问题就出现在了这一阶段。

        原本的数据融合算法在只有两种模态数据的时候，效果很好，但是当数据的模态数量逐渐上升，

        一些原本没有发现的bug逐渐显现出来，这也是导致最终效果不如原来模型的最为重要的原因。

        当然，也可能是因为过拟合，数据泄露，这种普遍性的问题，只不过仅根据这次的输出日志来看，可能性不大。

        “嗯......特征维度贡献方差过大？”划动滚轮的手指停下，周昀敏锐地看到了一条异常的输出。

        内容未完，下一页继续阅读

---

新笔趣阁阅读网址：wap.xinbiquge.org