问题

在学习深度学习这门课程中，各种模型指标有一个叫精确度，精确度的意思就是说在模型完成后，测试集的结果与真实值之间的占比程度。那么我们应该如何提高整个模型的精确度呢？我们都知道深度学习模型的建立在经过一些简单的配置，默认的参数，模型在一次训练只有较低的准确率，往往在多次训练后最高也不到85%。所以我们需要一些方式来提高精确度。

方法

通过学习和网上查找资料，我总结出了以下几个提高准确度的技巧：网络的层数以及每一层神经元的个数，学习率的更新：随着迭代次的增加，指数下降，学习轮数的设定，参数优化，数据处理，或者新增一些优化方法，还有比较复杂的一种方法，那便是使用更加复杂的模型以达到更高的准确度，以下是代码呈现：

1.lr = tf.Variable(0.001, dtype = tf.float32)#使用变量方式，定义学习率，初始值为0.001，类型是float32

2.sess.run(tf.assign(lr,0.001*(0.95**epoch)))

每批次迭代，学习率以初始值为0.001，指数下降，利用tf.assign()的方法赋值更新

结语

对于提高准确度的问题，在经过多次尝试和多种方法后得出了一些结论，证明了本方法确实是有效的，虽然不能算是效果最好的一种方式，但是在后续的学习中一定能找到更好的方法来解决类似的问题，还应该不断的尝试，不断的实验寻找更优秀的方法，才能更好的提高准确度。

【PyTorch】提高mnist模型精确度相关推荐

python与机器学习（七）上——PyTorch搭建LeNet模型进行MNIST分类
任务要求:利用PyTorch框架搭建一个LeNet模型,并针对MNIST数据集进行训练和测试. 数据集:MNIST 导入: import torch from torch import nn, opt ...
基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%
基于pytorch的MNIST数据集的四层CNN,测试准确率99.77% MNIST数据集环境配置文件存储结构代码引入库调用GPU 初始化变量导入数据集并进行数据增强导入测试集加载测试 ...
用PyTorch实现MNIST手写数字识别(非常详细)
Keras版本: Keras入门级MNIST手写数字识别超级详细教程 2022/4/17 更新修复下代码.完善优化下文章结构,文末提供一个完整版代码. 可以在这里下载源码文件(免积分): 用 ...
【pytorch速成】Pytorch图像分类从模型自定义到测试
文章首发于微信公众号<与有三学AI> [pytorch速成]Pytorch图像分类从模型自定义到测试前面已跟大家介绍了Caffe和TensorFlow,链接如下. [caffe速成]ca ...
第18课：项目实战——利用 PyTorch 构建 RNN 模型
上一篇,我们主要介绍了基本的 RNN 模型和 LSTM.本文将通过一个实战项目带大家使用 PyTorch 搭建 RNN 模型. 本项目将构建一个 RNN 模型,来对 MNIST 手写数据集进行分类.可 ...
【炼丹技巧】指数移动平均（EMA）【在一定程度上提高最终模型在测试数据上的表现（例如accuracy、FID、泛化能力...）】
本文中心: 1.指数移动平均(Exponential Moving Average)EMA作用: ema不参与实际的训练过程,是用在测试过程的,相比对变量直接赋值而言,移动平均得到的值在图像上更加平缓 ...
深度学习【使用pytorch实现基础模型、优化算法介绍、数据集的加载】
文章目录一 Pytorch完成基础模型 1. Pytorch完成模型常用API 1.1 `nn.Module` 1.2 优化器类 1.3 损失函数 1.4 线性回归完整代码 2. 在GPU上运行代码 ...
【阅读笔记】针对PyTorch提高神经网络训练速度的方法—《Here are 17 ways of making PyTorch training faster – what did I miss?》
原文连接:https://efficientdl.com/faster-deep-learning-in-pytorch-a-guide/ 目录写在开头 1. 考虑使用不同的学习率变化策略(Cons ...
ibeacon硬件实现室内定位，应当如何提高定位的精确度？
ibeacon硬件实现室内定位,应当如何提高定位的精确度? 以下几点仅供参考,具体还是得根据自身项目需求 1.增加信标密度 2.优化信标布局 3.校准信标参数 4.使用多路径校正算法 5.结合其他传感 ...

【PyTorch】提高mnist模型精确度

问题

方法

结语

【PyTorch】提高mnist模型精确度相关推荐

最新文章

热门文章