毕设做完，对实验模型的实验结果需要记录什么超参来写进论文或者答辩ppt嘛
这个我深有体会，博主可以参考一下我当时的情况，以下是一些常见的超参数，你可以考虑将它们记录下来：
模型架构：记录你使用的模型架构，包括层数、每层的单元数、激活函数等。
学习率：记录你在训练过程中使用的学习率以及是否进行了学习率衰减等。
优化算法：记录你使用的优化算法，例如 SGD、Adam 等。
批次大小：记录你在训练过程中使用的批次大小。
正则化参数：记录你使用的正则化参数，例如 L1 正则化、L2 正则化等。
损失函数：记录你使用的损失函数，例如交叉熵、均方误差等。
训练时长：记录你训练模型的时间长度。
数据集划分：记录你将数据集划分为训练集、验证集和测试集的比例。
数据预处理：记录你对数据进行的任何预处理，例如归一化、标准化、数据增强等。
其他超参数：如果有其他的超参数对实验结果产生了显著的影响，也应该记录下来并进行分析和解释。
在论文或答辩ppt中，博主你可以通过表格、图表等方式将记录下来的超参数进行可视化展示，以便老师们更好地理解你的实验结果和分析。
参考GPT和自己的思路：是的，对于深度学习模型的实验结果记录，将超参写进论文或者答辩ppt是非常重要的。超参是指在训练深度学习模型时所需要设置的参数，如学习率、批量大小等等。这些超参的设定会直接影响到实验结果的好坏，并且也会对研究的可重现性产生影响。因此，您需要记录所设置的超参以便于其他人能够重复您的实验，并且也能够更好地分析您的实验结果。