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
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。
网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。
赞同 0
评论 0 条
- 上周热门
- 如何使用 StarRocks 管理和优化数据湖中的数据？ 2941
- 【软件正版化】软件正版化工作要点 2860
- 统信UOS试玩黑神话：悟空 2819
- 信刻光盘安全隔离与信息交换系统 2712
- 镜舟科技与中启乘数科技达成战略合作，共筑数据服务新生态 1246
- grub引导程序无法找到指定设备和分区 1213
- 华为全联接大会2024丨软通动力分论坛精彩议程抢先看！ 163
- 点击报名 | 京东2025校招进校行程预告 162
- 2024海洋能源产业融合发展论坛暨博览会同期活动-海洋能源与数字化智能化论坛成功举办 160
- 华为纯血鸿蒙正式版9月底见！但Mate 70的内情还得接着挖... 157
- 本周热议
- 我的信创开放社区兼职赚钱历程 40
- 今天你签到了吗？ 27
- 信创开放社区邀请他人注册的具体步骤如下 15
- 如何玩转信创开放社区—从小白进阶到专家 15
- 方德桌面操作系统 14
- 我有15积分有什么用? 13
- 用抖音玩法闯信创开放社区——用平台宣传企业产品服务 13
- 如何让你先人一步获得悬赏问题信息？（创作者必看） 12
- 2024中国信创产业发展大会暨中国信息科技创新与应用博览会 9
- 中央国家机关政府采购中心：应当将CPU、操作系统符合安全可靠测评要求纳入采购需求 8
热门标签更多
