用7*7的卷积核分类9*9的图片到底应该用几个卷积核?55个
(mnist 0,2)-con(7*7)*n-30*2-(1,0)(0,1)
用7*7的卷积核分类mnist的0和2,将图片用间隔取点的办法缩小到9*9。从1开始不断增加卷积核的数量,观察网络的性能是如何随着卷积核的数量的变化而变化的。卷积核的数量从1到80个,收敛标准δ=6e-5,每个收敛标准收敛199次,统计平均值。
得到的表格
卷积核数量 |
f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
δ |
耗时ms/次 |
耗时ms/199次 |
耗时 min/199 |
最大值p-max |
0 |
5.12E-05 |
0.999949 |
3902.291 |
0.981170764 |
6E-05 |
88.13065 |
17538 |
0.2923 |
0.98508946 |
1 |
0.070397 |
0.929603 |
20632.15 |
0.976048233 |
6E-05 |
3830.975 |
762364 |
12.70607 |
0.98807157 |
2 |
0.055323 |
0.944677 |
10066.22 |
0.981190745 |
6E-05 |
4064.412 |
808821 |
13.48035 |
0.99005964 |
3 |
0.045275 |
0.954725 |
9838.578 |
0.983136358 |
6E-05 |
5983.166 |
1190666 |
19.84443 |
0.9915507 |
4 |
0.04025 |
0.959749 |
10507.51 |
0.984260268 |
6E-05 |
8212.638 |
1634323 |
27.23872 |
0.99005964 |
5 |
0.045275 |
0.954724 |
11317.55 |
0.984794749 |
6E-05 |
10963.5 |
2181743 |
36.36238 |
0.99055666 |
6 |
0.0503 |
0.9497 |
12220.42 |
0.986063518 |
6E-05 |
14357.38 |
2857119 |
47.61865 |
0.99204771 |
7 |
0.0503 |
0.9497 |
12511.11 |
0.986085997 |
6E-05 |
17324.5 |
3447606 |
57.4601 |
0.99105368 |
8 |
0.055325 |
0.944675 |
12953.54 |
0.986218368 |
6E-05 |
19259.08 |
3832562 |
63.87603 |
0.99055666 |
9 |
0.060349 |
0.939651 |
13212.72 |
0.986083499 |
6E-05 |
22801.35 |
4537477 |
75.62462 |
0.9915507 |
10 |
0.070399 |
0.929601 |
13858.86 |
0.985991089 |
6E-05 |
26756.56 |
5324559 |
88.74265 |
0.99105368 |
11 |
0.050301 |
0.949699 |
13970.17 |
0.986110972 |
6E-05 |
30042.34 |
5978441 |
99.64068 |
0.99005964 |
12 |
0.095522 |
0.904478 |
14633.67 |
0.986328262 |
6E-05 |
34040.11 |
6773982 |
112.8997 |
0.9915507 |
13 |
0.06035 |
0.93965 |
14635.27 |
0.986570527 |
6E-05 |
36556.97 |
7274847 |
121.2475 |
0.99055666 |
14 |
0.040252 |
0.959748 |
15115.74 |
0.986857748 |
6E-05 |
40630.01 |
8085373 |
134.7562 |
0.99055666 |
15 |
0.040252 |
0.959748 |
15257.14 |
0.986950158 |
6E-05 |
44476.87 |
8850903 |
147.5151 |
0.99105368 |
16 |
0.070399 |
0.929601 |
15574.31 |
0.986715386 |
6E-05 |
48814.78 |
9714154 |
161.9026 |
0.99105368 |
17 |
0.040252 |
0.959749 |
16061.62 |
0.987055057 |
6E-05 |
52596.1 |
10466632 |
174.4439 |
0.99055666 |
18 |
0.065374 |
0.934626 |
16315.92 |
0.986470624 |
6E-05 |
56323.53 |
11208402 |
186.8067 |
0.9915507 |
19 |
0.065374 |
0.934625 |
16508.11 |
0.986777826 |
6E-05 |
60294.17 |
11998554 |
199.9759 |
0.99105368 |
20 |
0.075424 |
0.924576 |
16817.97 |
0.986765338 |
6E-05 |
65534.99 |
13041471 |
217.3579 |
0.99105368 |
21 |
0.050301 |
0.949699 |
17031.53 |
0.986952656 |
6E-05 |
69008.7 |
13732733 |
228.8789 |
0.99055666 |
22 |
0.075423 |
0.924576 |
17151.65 |
0.986727874 |
6E-05 |
72677.69 |
14462863 |
241.0477 |
0.99105368 |
23 |
0.030203 |
0.969798 |
17133.17 |
0.987189926 |
6E-05 |
76695.43 |
15262409 |
254.3735 |
0.9915507 |
24 |
0.040252 |
0.959748 |
17515.32 |
0.987052559 |
6E-05 |
82230.77 |
16363928 |
272.7321 |
0.99055666 |
25 |
0.040252 |
0.959748 |
17703.49 |
0.987060052 |
6E-05 |
84932.23 |
16901520 |
281.692 |
0.99105368 |
26 |
0.040252 |
0.959748 |
17768.57 |
0.986850255 |
6E-05 |
88647.82 |
17640917 |
294.0153 |
0.99105368 |
27 |
0.040252 |
0.959748 |
17916.26 |
0.986650449 |
6E-05 |
93063.1 |
18519565 |
308.6594 |
0.9915507 |
28 |
0.025178 |
0.974822 |
18053.39 |
0.987227389 |
6E-05 |
97624.76 |
19427330 |
323.7888 |
0.99105368 |
29 |
0.020153 |
0.979847 |
18295.51 |
0.986795309 |
6E-05 |
101839.1 |
20265982 |
337.7664 |
0.99105368 |
30 |
0.045277 |
0.954723 |
18399.9 |
0.986585512 |
6E-05 |
106970.1 |
21287069 |
354.7845 |
0.99055666 |
31 |
0.055326 |
0.944674 |
18547.15 |
0.986750352 |
6E-05 |
112316.3 |
22350949 |
372.5158 |
0.99055666 |
32 |
0.035227 |
0.964773 |
18735.36 |
0.986910197 |
6E-05 |
117368.6 |
23356388 |
389.2731 |
0.99055666 |
33 |
0.025178 |
0.974821 |
18751.98 |
0.986767835 |
6E-05 |
119877.3 |
23855575 |
397.5929 |
0.99204771 |
34 |
0.025178 |
0.974822 |
18956.36 |
0.986905202 |
6E-05 |
123999.9 |
24675976 |
411.2663 |
0.99105368 |
35 |
0.035227 |
0.964773 |
18973.96 |
0.986960149 |
6E-05 |
128827.5 |
25636699 |
427.2783 |
0.99105368 |
36 |
0.065375 |
0.934625 |
19290.09 |
0.986745357 |
6E-05 |
133917.8 |
26649644 |
444.1607 |
0.99105368 |
37 |
0.015129 |
0.984871 |
19321.7 |
0.986940168 |
6E-05 |
138609.5 |
27583299 |
459.7217 |
0.99055666 |
38 |
0.030203 |
0.969797 |
19514.15 |
0.987334785 |
6E-05 |
143453.3 |
28547203 |
475.7867 |
0.99055666 |
39 |
0.025179 |
0.974821 |
19587.36 |
0.98708253 |
6E-05 |
147297.2 |
29312150 |
488.5358 |
0.99005964 |
40 |
0.035228 |
0.964772 |
19722.02 |
0.986790313 |
6E-05 |
152170.6 |
30281953 |
504.6992 |
0.9915507 |
41 |
0.055326 |
0.944674 |
20288.63 |
0.986960149 |
6E-05 |
160508.8 |
31941260 |
532.3543 |
0.99105368 |
42 |
0.025179 |
0.974822 |
20299.15 |
0.987542084 |
6E-05 |
166147.5 |
33063354 |
551.0559 |
0.9915507 |
43 |
0.030203 |
0.969797 |
20389.92 |
0.987399722 |
6E-05 |
169560 |
33742443 |
562.374 |
0.9915507 |
44 |
0.050302 |
0.949698 |
20286 |
0.987152462 |
6E-05 |
172557.2 |
34338875 |
572.3146 |
0.99105368 |
45 |
0.035228 |
0.964772 |
20769.8 |
0.98733978 |
6E-05 |
180348.7 |
35889392 |
598.1565 |
0.99055666 |
46 |
0.050302 |
0.949698 |
20710.6 |
0.987264853 |
6.00E-05 |
183306.5 |
28475139 |
474.5857 |
0.99055666 |
47 |
0.040253 |
0.959747 |
20967.33 |
0.987262355 |
6.00E-05 |
189763.4 |
37762919 |
629.382 |
0.99105368 |
48 |
0.025179 |
0.974821 |
21204.71 |
0.987564562 |
6.00E-05 |
198105.6 |
39423024 |
657.0504 |
0.9915507 |
49 |
0.0704 |
0.9296 |
21164.01 |
0.987239877 |
6.00E-05 |
200278 |
39855317 |
664.2553 |
0.99105368 |
50 |
0.035228 |
0.964772 |
21487.3 |
0.987437186 |
6.00E-05 |
206871.4 |
41167437 |
686.124 |
0.99055666 |
51 |
0.030204 |
0.969796 |
21826.14 |
0.987679451 |
6.00E-05 |
217693 |
43320919 |
722.0153 |
0.99055666 |
52 |
0.025179 |
0.974821 |
21922.72 |
0.987522104 |
6.00E-05 |
221511.2 |
44080724 |
734.6787 |
0.99105368 |
53 |
0.040253 |
0.959747 |
21895.37 |
0.987587041 |
6.00E-05 |
225604.6 |
44895313 |
748.2552 |
0.99105368 |
54 |
0.050302 |
0.949698 |
21945.7 |
0.987504621 |
6.00E-05 |
228949.1 |
45560879 |
759.348 |
0.99105368 |
55 |
0.030204 |
0.969796 |
22174.63 |
0.987866769 |
6.00E-05 |
247632.6 |
49278886 |
821.3148 |
0.99105368 |
56 |
0.050302 |
0.949698 |
22110.97 |
0.987562065 |
6.00E-05 |
252150.5 |
50177946 |
836.2991 |
0.9915507 |
57 |
0.075425 |
0.924575 |
22601.62 |
0.987492133 |
6.00E-05 |
262331.3 |
52203932 |
870.0655 |
0.99105368 |
58 |
0.0704 |
0.9296 |
22891.24 |
0.987806827 |
6.00E-05 |
270364.6 |
53802585 |
896.7098 |
0.99105368 |
59 |
0.065376 |
0.934624 |
22563.98 |
0.987651978 |
6.00E-05 |
271767.2 |
54081693 |
901.3616 |
0.99105368 |
60 |
0.055327 |
0.944673 |
22942.36 |
0.987651978 |
6.00E-05 |
280447.3 |
55809033 |
930.1506 |
0.99105368 |
61 |
0.065376 |
0.934624 |
23127.13 |
0.987656973 |
6.00E-05 |
289227.6 |
57556299 |
959.2716 |
0.99055666 |
62 |
0.055326 |
0.944673 |
22860.31 |
0.987612016 |
6.00E-05 |
289426.2 |
57595815 |
959.9302 |
0.9915507 |
63 |
0.085474 |
0.914526 |
23393.73 |
0.987839296 |
6.00E-05 |
299898.6 |
59679828 |
994.6638 |
0.99105368 |
64 |
0.060351 |
0.939648 |
23175.95 |
0.987607021 |
6.00E-05 |
301862.2 |
60070575 |
1001.176 |
0.99105368 |
65 |
0.105572 |
0.894428 |
23395.98 |
0.987569558 |
6.00E-05 |
308436.1 |
61378787 |
1022.98 |
0.99204771 |
66 |
0.105572 |
0.894428 |
23273.58 |
0.987384737 |
6.00E-05 |
311690.8 |
62026478 |
1033.775 |
0.99105368 |
67 |
0.090498 |
0.909502 |
23471.68 |
0.987509616 |
6.00E-05 |
319499.6 |
63580415 |
1059.674 |
0.99105368 |
68 |
0.085474 |
0.914526 |
23482.75 |
0.987836798 |
6.00E-05 |
324154.8 |
64506814 |
1075.114 |
0.99055666 |
69 |
0.130695 |
0.869305 |
23929.98 |
0.987374747 |
6.00E-05 |
333943.9 |
66454844 |
1107.581 |
0.99105368 |
70 |
0.140744 |
0.859256 |
23795.19 |
0.98740222 |
6.00E-05 |
339105.1 |
67481909 |
1124.698 |
0.99105368 |
71 |
0.075425 |
0.924575 |
23580.36 |
0.987477147 |
6.00E-05 |
341062.3 |
67871399 |
1131.19 |
0.99055666 |
72 |
0.145769 |
0.854231 |
23681.89 |
0.987442181 |
6.00E-05 |
347526.4 |
69157753 |
1152.629 |
0.9915507 |
73 |
0.196014 |
0.803986 |
23841.98 |
0.987119994 |
6.00E-05 |
353999.3 |
70445858 |
1174.098 |
0.99055666 |
74 |
0.185966 |
0.814035 |
24208.59 |
0.987244873 |
6.00E-05 |
362708.4 |
72178971 |
1202.983 |
0.99055666 |
75 |
0.170892 |
0.829108 |
23802.86 |
0.98724737 |
6.00E-05 |
363907.1 |
72417503 |
1206.958 |
0.99055666 |
76 |
0.160842 |
0.839158 |
24353.72 |
0.987334785 |
6.00E-05 |
375980.6 |
74820141 |
1247.002 |
0.99055666 |
77 |
0.185966 |
0.814035 |
24083.91 |
0.986957651 |
6.00E-05 |
374982.4 |
74621492 |
1243.692 |
0.99105368 |
78 |
0.206063 |
0.793937 |
24215.16 |
0.987192423 |
6.00E-05 |
381791.1 |
75976421 |
1266.274 |
0.99055666 |
79 |
0.160842 |
0.839158 |
24249.91 |
0.987127486 |
6.00E-05 |
393548.7 |
78316197 |
1305.27 |
0.99105368 |
80 |
0.155818 |
0.844182 |
24367.54 |
0.987075037 |
6.00E-05 |
393758.5 |
78357947 |
1305.966 |
0.99055666 |
这次实验共持续了超过4.5万分钟,共收集了81组数据。卷积核数量=0就是三层的无核的网络。将pave曲线画成图
这是卷积核从0到80的图,可以观察到这个图有一个顶点的。顶点为55。
这是卷积核从10到55的图,网络的性能随着卷积核的数量的增加而增加。7*7卷积核的上升区间有55个核,对应5*5卷积核的上升区间为16个核,3*3卷积核的上升区间为4个核。
这个现象清楚的表明在网络结构不变的前提下,卷积核越大对应的上升区间越大。
这是卷积核从40到80的图,这张图的第三高的峰出现在68个核,68与55两者的对应的性能数值差异仅为0.000029。表明网络性能下降有一个大约为13个核的缓冲区间。但当卷积核的数量大于68以后网络的性能迅速下降。
因此到底应该用3*3的卷积核还是用5*5的卷积核还是7*7的卷积核?
3*3 |
5*5 |
7*7 |
5*5/3*3 |
7*7/5*5 |
|
平均准确率p-ave |
平均准确率p-ave |
平均准确率p-ave |
|||
6.00E-05 |
6.00E-05 |
6.00E-05 |
|||
0 |
0.981171 |
0.981171 |
0.981171 |
1 |
1 |
1 |
0.975916 |
0.978588 |
0.976048 |
1.002738 |
0.997405 |
2 |
0.981326 |
0.983376 |
0.981191 |
1.002089 |
0.997778 |
3 |
0.983633 |
0.985159 |
0.983136 |
1.001551 |
0.997947 |
4 |
0.983651 |
0.986268 |
0.98426 |
1.00266 |
0.997964 |
5 |
0.983289 |
0.986143 |
0.984795 |
1.002903 |
0.998633 |
6 |
0.983506 |
0.986323 |
0.986064 |
1.002864 |
0.999737 |
7 |
0.982744 |
0.986605 |
0.986086 |
1.003929 |
0.999474 |
8 |
0.982694 |
0.98689 |
0.986218 |
1.00427 |
0.999319 |
9 |
0.981885 |
0.98697 |
0.986083 |
1.005179 |
0.999102 |
10 |
0.980983 |
0.986988 |
0.985991 |
1.006121 |
0.99899 |
11 |
0.981401 |
0.987225 |
0.986111 |
1.005934 |
0.998872 |
12 |
0.98214 |
0.986988 |
0.986328 |
1.004936 |
0.999332 |
13 |
0.987295 |
0.986571 |
0.999266 |
||
14 |
0.987132 |
0.986858 |
0.999722 |
||
15 |
0.987065 |
0.98695 |
0.999884 |
||
16 |
0.987322 |
0.986715 |
0.999386 |
||
17 |
0.987227 |
0.987055 |
0.999826 |
||
18 |
0.98672 |
0.986471 |
0.999747 |
||
19 |
0.987137 |
0.986778 |
0.999636 |
||
20 |
0.986988 |
0.986765 |
0.999774 |
||
21 |
0.986855 |
0.986953 |
1.000099 |
||
22 |
0.986241 |
0.986728 |
1.000494 |
||
23 |
0.986468 |
0.98719 |
1.000732 |
7*7卷积核的上升区间为55,5*5卷积核的上升区间为16。当卷积核数量大于20以后7*7卷积核的性能优于5*5卷积核。
2分类 |
3*3 |
5*5 |
7*7 |
性能上升区间 |
4 |
16 |
55 |
max-p-ave |
0.9838731 |
0.987322 |
0.987867 |
耗时min/199次 |
11.6074 |
102.3604 |
821.3148 |
至少仅就这三次实验来说,卷积核越大网络的性能上升区间越大,上升区间越大性能峰值越大。但代价是卷积核越多网络越慢,7*7卷积核的性能峰值比5*5卷积核峰值要好0.5‰,但为了这万分之5要多花8倍的时间。
用7*7的卷积核分类9*9的图片到底应该用几个卷积核?55个相关推荐
- 用9*9的卷积核分类9*9的图片
(mnist 0,2)-con(9*9)*n-30*2-(1,0)(0,1) 将mnist的0和2用间隔取点的办法处理成9*9的尺寸,用9*9的卷积核去卷积,这个网络能分类吗? 用一个9*9的卷积核处 ...
- 到底应该加几个卷积核?
用81-30-2的网络来二分类mnist的0和1,然后再向这个网络上加卷积核,如果想要性能和效率都实现最优应该加几个最合适? 首先做对照网络 d2(mnist 0,1)81-30-2-(2*k) ,k ...
- 当我们说“分类”的时候,我们到底在说什么?
当我们说到机器学习时,一个很高频的词:"分类",会经常出现,那当我们说"分类"的时候,我们到底在说什么? 我查了很多博客.书籍.资料,提到"分类&qu ...
- CNN实战分类猫与狗图片
目录 一.图片预处理 二.模型的构建与训练 一.图片预处理 因为数据集图片尺寸不一致,所以需要对图片进行预处理,试图片的长宽一致,如大小为200x200.150x150.100x100等.首先,加载图 ...
- SQL的语法与分类,语法示例+图片,贼吉尔详细!!!
SQL通用语法 SQL语句可以单行或多行书写,以分号结尾 SQL语句可以用空格/缩进来增强语句的可读性 MySQL数据库的SQL语句不区分大小写.关键字(建议使用大写) 注释: 单行注释: --注 ...
- 零代码/无代码 vs 低代码 如何分类?如何区别?到底有什么不同?分析超过20款零代码低代码产品
低代码/零代码的概念,也出来一段时间了,平台和产品也一大堆.最近专门测评了一堆,希望对大家有所帮助. 申明一下:SaaS也是0代码,这个不在讨论的范围内.产品千差万别,概念上做细致的区分原本就是一件非 ...
- 分类网络位置测试图片生成
目录 黑白图组合: 分类图片自由组合: 黑白图组合: import os import randomimport cv2 import numpy as npif __name__ == '__mai ...
- 覆盖分类的方法_老罗讲分类|垃圾分类回收模式到底用哪种好?
普通桶?垃圾房?智能设备?关于垃圾分类的回收模式,到底用哪种模式好? 不管是普通垃圾桶,垃圾房,还是智能的垃圾分类回收设备,老罗认为,不管采用哪种垃圾分类回收模式,首先都要让居民可以非常清楚地知道垃圾 ...
- python生成器 图片分类_python批量处理图片图片Python迭代器和生成器介绍
Python迭代器和生成器介绍迭代器 迭代器是一个实现了迭代器协议的对象,Python中的迭代器协议就是有next方法的对象会前进到下一结果,而在一系列结果的末尾是,则会引发StopIteration ...
最新文章
- 决策树算法之特征工程-特征提取
- Http权威指南学习研究
- 2003年我程序员职业的第一桶金7万元的【教育集团招生收费系统】项目经验、项目来龙去脉分享...
- Mondrian 3.14.0 服务配置说明(限功能使用验证)
- Unknown column '' in 'field list'
- java 集合modcount_源码|jdk源码之LinkedList与modCount字段
- 资料:vue 3.0+版本发布
- 第二百六十三天 how can I 坚持
- 【Vue】—处理边界情况
- 网络协议:TCP/IP协议,你看懂了吗?
- 大数据时代的河南机遇
- Mac版微信重大更新!来刷刷朋友圈!摸鱼党福利
- 在Ubuntu系统下进行引导修复
- python马尔科夫链蒙特卡洛(MCMC)方法pyMC
- 【第168期】游戏策划:草率了,这简历像极了脱缰的马儿
- 孔明锁三通步骤_32根鲁班锁拼装步骤
- cesium three性能比较_高中英语中的“形容词”,形容词的用法,比较等级及修饰词...
- 仿钉钉考勤统计圆形控件
- 网站被百度提示有风险,该如何解决?网站被黑怎么办?
- 《On Java》介绍