DL之CNN优化技术:学习卷积神经网络CNN的优化、实践经验(练习调参)、从代码深刻认知CNN架构之练习技巧
DL之CNN优化技术:学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧
目录
卷积神经网络CNN调参学习实践
练习技巧
1、练习攻略一
2、VGG16练习攻略二
卷积神经网络CNN调参学习实践
DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测
DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测
练习技巧
1、练习攻略一
- 训练更多的epochs,看看这会不会提升分类的准确率?
- 尝试把一些层的把激活函数,改成sigmoid。
- 你能找到一种简单的方法来改变所有层的激活函数吗?
- 画出最大池化层的输出,来替代卷积层的输出。
- 在卷积层中用stride=2的卷积来替代2X2 max-pooling,分类精度有差异吗?如果你一次又一次地优化它呢?差异是任意变化的,你又要如何去衡量这个差异?在卷积层中用max-pooling比较stride有什么优缺点?
- 改变层的参数,如内核、深度、大小等。使用的实践和分类精度有什么差异?
- 增加或移除一些卷积层或全连接层。
- 你能在保持结果好的同时设计出更简单的网络吗?
- 修改函数式模型,增加另一个卷积层与全连接层之前的卷积层相连。
- 修改函数式模型,让它同时输出预测类别的独热编码数组和整数形式的结果,这样我们之后就不需要再使用numpy.argmax()。
- 不看源码,自己重写程序。
- 向朋友解释程序是如何工作的。
2、VGG16练习攻略二
- 尝试使用VGG16模型的其它层来作为传输层。它如何影响训练和分类的准确性?
- 改变我们添加的新的分类层。你能通过增加或减少全连接层的节点数量来提高分类精度吗?
- 如果你在新的分类器中移除随机失活层会发生什么?
- 改变迁移学习和微调时的学习率。
- 尝试微调整个VGG16模型。它如何影响训练和测试集的分类精度?为什么?
- 试着从一开始就进行微调,这样新的分类层就会和VGG16模型的所有卷积层一起开始训练。您可能需要降低优化器的学习速度。
- 给测试集和训练集添加一些图像。这样能使性能提升吗?
- 尝试删除一些刀和汤匙的图像,使所有类别的图像数目相等。这是否改善了混淆矩阵中的数字?
- Use another dataset.
- 使用另一个数据集。
- 使用Keras中另一个预训练模型。
- 向朋友解释程序如何工作。
DL之CNN优化技术:学习卷积神经网络CNN的优化、实践经验(练习调参)、从代码深刻认知CNN架构之练习技巧相关推荐
- DL之CNN优化技术:卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术
DL之CNN优化技术:卷积神经网络算法简介之特有的优化技术及其代码实现--im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1 ...
- DL之CNN:计算机视觉之卷积神经网络算法的简介(经典架构/论文)、CNN优化技术、调参学习实践、CNN经典结构及其演化、案例应用之详细攻略
DL之CNN:计算机视觉之卷积神经网络算法的简介(经典架构/论文).CNN优化技术.调参学习实践.CNN经典结构.案例应用之详细攻略 目录 卷积神经网络算法的简介 0.Biologically Ins ...
- 深度学习--卷积神经网络CNN
主要内容 1. 神经网络 1.1 感知器 1.2 Sigmoid神经元 1.3 神经网络 2. 卷积神经网络CNN 2.1 卷积神经网络结构 2.2 数据输入层 2.3 卷积层 2.3.1 局部感知( ...
- DL之CNN:计算机视觉之卷积神经网络经典算法简介、重要进展、改进技巧之详细攻略(建议收藏)
DL之CNN:计算机视觉之卷积神经网络经典算法简介.重要进展.改进技巧之详细攻略(建议收藏) 目录 CNN经典算法细讲 1.CNN历年冠军算法 1.1.LeNet-5 1.2.AlexNet 1.3. ...
- 毕设 深度学习卷积神经网络的花卉识别
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
- 毕业设计 - 题目:基于深度学习卷积神经网络的花卉识别 - 深度学习 机器视觉
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
- 深度学习 卷积神经网络-Pytorch手写数字识别
深度学习 卷积神经网络-Pytorch手写数字识别 一.前言 二.代码实现 2.1 引入依赖库 2.2 加载数据 2.3 数据分割 2.4 构造数据 2.5 迭代训练 三.测试数据 四.参考资料 一. ...
- 深度学习 卷积神经网络原理
深度学习 卷积神经网络原理 一.前言 二.全连接层的局限性 三.卷积层 3.1 如何进行卷积运算? 3.2 偏置 3.3 填充 3.4 步长 3.5 卷积运算是如何保留图片特征的? 3.6 三维卷积 ...
- 深度学习-卷积神经网络初识-1
卷积神经网络 技交部 潘震宇 一.计算机视觉 在计算机视觉领域中,存在着许多问题,各类领域基本都包含着这俩种基础问题: 1. 图像分类 2. 目标检测 除上述之外,最近有一种新颖的技术,也出现在大众的 ...
最新文章
- linux pip 找不到python
- 分享codeigniter框架,在zend studio 环境下的代码提示
- lepus监控oracle数据库_一文看懂lepus天兔数据库监控系统如何搭建
- 4003基于邻接表的新顶点的增加(C++,附详细解析)
- Android通讯录查询篇--ContactsContract.Data 二(续)
- python 魔法函数是什么意思_Python 中的魔法函数
- Maven常见异常及解决方法
- 导出指定字符集dmp文件_Oracle 11G数据库导入导出终极解决方案
- 华为模拟器如何实现不同Vlan不同网段之间的互通
- 浅析GitLab Flow的十一个规则
- python基础网易_看看你的Python基础怎么样?
- ADO方法访问数据库的封装接口
- qt中如何刷新一下屏幕_感情维护:如何在恋爱关系中分开一下,然后更坚强地回来...
- 2021年电工(初级)考试及电工(初级)考试题
- CCF-CSP历年真题大全附题解(202209已更)
- Ubuntu 安装磁盘分区及启动项添加
- 五个手指含义(必会)
- openpyxl给excel设置条件格式
- 裸辞两个月,海投一个月,从 Android 转战 Web 前端的求职之路
- 【软件测试】测试用例相关知识(六大测试用例设计方法)