Fashion-Mnist实验记录

使用深度学习解决Fashion-Mnist分类问题
- • Problem Description
- • Solution Design
- • Data Preparation
- • Network Structure, Network Training, Experimental Results
- - 训练1（error）
  - 训练2（84.50%）
  - 训练3（86.60%）
  - 训练4（88.75%）
  - 训练5（fail）
  - 训练6
- • Conclusion
- • Implement Code
- • References (at least two references)

使用深度学习解决Fashion-Mnist分类问题

• Problem Description

https://github.com/zalandoresearch/fashion-mnist

• Solution Design

先使用全连接神经网络

• Data Preparation

matlab打开数据集：https://blog.csdn.net/tracer9/article/details/51253604

数据集数量：60000+10000数据集内容： Zalando’s article images单个样本大小：28*28

• Network Structure, Network Training, Experimental Results

训练1（error）

max_iter = 600mini_batch = 40alpha = 0.05data：28x28x8000layer_size: input+56(0);270;90;30;10w: randn()*sqrt(6/(n{l}+n{l+1}))sigmoidJ: 0.5/mini_batch*Σ(a{L}-y)

本来最后是有：

591/600 epochs: J=0.0431 Acc=0.9500
592/600 epochs: J=0.0358 Acc=0.9500
593/600 epochs: J=0.0304 Acc=1.0000
594/600 epochs: J=0.0425 Acc=0.9250
595/600 epochs: J=0.0374 Acc=0.9500
596/600 epochs: J=0.0407 Acc=0.9500
597/600 epochs: J=0.0818 Acc=0.8750
598/600 epochs: J=0.0162 Acc=0.9750
599/600 epochs: J=0.0327 Acc=0.9500
600/600 epochs: J=0.0695 Acc=0.9250

但是很奇怪的是：

Accuracy on training dataset is 1.150000%
Accuracy on testing dataset is 3.900000%

不知道什么情况，可能是测试逻辑不对？
哦。。。原来直接复制了上一次代码的某句话导致错误。。。

% prepare labels
% [~,ind_label]=max(trainLabels(:,ind((k-1)*mini_batch+1:min(k*mini_batch,train_size))));
% prepare targets
% y=audio(:,ind_label);
y = trainLabels(:,ind((k-1)*mini_batch+1:min(k*mini_batch,train_size)));

训练2（84.50%）

…参数同训练1

修改错误，重新训练

Accuracy on training dataset is 92.287500%
Accuracy on testing dataset is 84.500000%

训练3（86.60%）

train_data: 20000test_data: 5000…其他参数同训练1

只是加大了数据量

Accuracy on training dataset is 94.825000%
Accuracy on testing dataset is 86.600000%

训练4（88.75%）

train_data: 60000（all in）test_data: 10000max_iter = 487(emmm半夜要停电)…其他参数同训练1

同样只是加大了数据量

几乎没有变化

Accuracy on training dataset is 96.681667%
Accuracy on testing dataset is 88.750000%

训练5（fail）

train_data: 60000（all in）test_data: 10000max_iter = 600relulayer_size: input+56(0);401;191;92;44;21;10…其他参数同训练1

Accuracy on training dataset is 10.000000%
Accuracy on testing dataset is 10.000000%

训练6

train_data: 60000（all in）test_data: 10000max_iter = 600sigm…其他参数同训练1

Accuracy on training dataset is 97.621667%
Accuracy on testing dataset is 88.460000%

• Conclusion

• Implement Code

• References (at least two references)

【实验记录】Fashion-Mnist分类实验记录相关推荐

【人工智能项目】Fashion Mnist识别实验
[人工智能项目]Fashion Mnist识别实验本次主要通过四个方法对fashion mnist进行识别实验,主要为词袋模型.hog特征.mlp多层感知器和cnn卷积神经网络.那么话不多说,走起来 ...
fashionmnist数据集_Keras实现Fashion MNIST数据集分类
本篇用keras构建人工神经网路(ANN)和卷积神经网络(CNN)实现Fashion MNIST 数据集单个物品分类,并从模型预测的准确性方面对ANN和CNN进行简单比较. Fashion MNIST ...
新闻上的文本分类：机器学习大乱斗王岳王院长王岳王院长 5 个月前目标从头开始实践中文短文本分类，记录一下实验流程与遇到的坑运用多种机器学习（深度学习 + 传统机器学习）方法比较短文本分类处
新闻上的文本分类:机器学习大乱斗王岳王院长 5 个月前目标从头开始实践中文短文本分类,记录一下实验流程与遇到的坑运用多种机器学习(深度学习 + 传统机器学习)方法比较短文本分类处理过程与结果差 ...
实验——一阶RC电路（试验记录）
实验--一阶RC电路(试验记录) "稳态"与 "暂态"的概念一阶电路过渡过程一阶电路的定义一阶R-C电路的充电过程曲线一阶R-C电路的放电过程曲线时间 ...
Arduino小白的学习记录：RGB-LED传感器实验
在上一个实验中我们介绍了双色LED灯的实验,但如果仅有两种颜色是不是觉得有些单调呢,接下来就让我们通过这个实验来组合出更多的颜色吧! 一.介绍 RGB-LED模块可以发出各种颜色的光.红色.绿色和蓝色 ...
tensorflow卷积神经网络实战：Fashion Mnist 图像分类与人马分类
卷积神经网络实战:Fashion Mnist 图像分类与人马分类一.FashionMnist的卷积神经网络模型 1.卷积VS全连接 2.卷积网络结构 3.卷积模型结构 1)Output Shape ...
深度学习第3章线性分类实验四 pytorch实现 Logistic回归上篇
目录: 第3章线性分类 3.1 基于Logistic回归的二分类任务 3.1.1 数据集构建 3.1.2 模型构建 1. Logistic函数 2. Logistic回归算子 3.1.3 损失函数 ...
深度学习第3章线性分类实验四 pytorch实现 Softmax回归鸢尾花分类任务下篇
目录: 第3章线性分类 3.3 实践:基于Softmax回归完成鸢尾花分类任务 3.3.1 数据处理 3.3.1.1 数据集介绍 3.3.1.2 数据清洗 1. 缺失值分析 2. 异常值处理 3.3 ...
weka和matlab完成完整分类实验
本文本文简单介绍数据集介绍.weka的使用.weka与LIBSVM.matlab与LIBSVM以及分类的若干细节问题. 1. 数据集介绍打开网址UCI数据集,如下图. 从右下角可以看到Iri ...

【实验记录】Fashion-Mnist分类实验记录