我已经用DNA序列和它的表达值运行了CNN模型。然而，模型的预测范围是在一定的基因表达值，如图1所示。我的问题是，1）如果我设置不同的超参数（当前学习率= 1 e-5，epoch = 500），预测的结果会改善吗？2）使用更深层的训练是明智的吗？如果是这样，有什么经验法则吗？3）训练数据不平衡（图2），是否建议在训练前对数据进行归一化？
以下是我从medium引用的CNN模型：

class DNA_CNN(nn.Module):
    def __init__(self,
                 seq_len,
                 num_filters=32,
                 kernel_size=3):
        super().__init__()
        self.seq_len = seq_len
        
        self.conv_net = nn.Sequential(
            # 4 is for the 4 nucleotides
            nn.Conv1d(4, num_filters, kernel_size=kernel_size),
            nn.ReLU(inplace=True),
            nn.Flatten(),
            nn.Linear(num_filters*(seq_len-kernel_size+1), 1),
        ) 

    def forward(self, xb):
        # reshape view to batch_size x 4channel x seq_len
        # permute to put channel in correct order
        xb = xb.permute(0,2,1) 
        
        #print(xb.shape)
        out = self.conv_net(xb)
        return out
    
    # __FOOTNOTE 1__

字符串
图一
x1c 0d1x的数据
图2.国际货币基金组织

的

• 基因表达值以tpm测量