- 博客(3)
- 收藏
- 关注
RSS订阅原创 CNN网络简单优化，以VGG16为例
优化常用经验方法 1、调低学习率（或按迭代次数衰减） 2、调整参数的初始化方法 3、调整输入数据的标准化方法 4、修改Loss函数 5、增加正则化 6、使用BN/GN层（中间层数据的标准化） 7、使用dropout VGG16网络结构 以下代码仅对第一个Conv2D进行了调整，增加了L2正则化，BN层与Dropout层，后面的的Conv2D均可进行相应调整 model = keras.models.Sequential() # 优化 增加L2正则化 model.add(keras.layers.Conv2
2021-04-05 16:47:19
3179
原创 python网络模型的保存与加载
这里写目录标题方法一 仅保存权重方法二 保存网络方法三 SavedModel 方法一 仅保存权重 网络结构需与之前网络保持一致，利用model.load_weights()实现。 model.save_weights('weights.ckpt') # 删除网络模型 del model # 构建网络模型 model = tf.keras.Sequential([ tf.keras.layers.Dense(256, activation='relu'), tf.keras.layers.D
2021-04-04 21:34:14
545
原创 tf.keras CNN网络搭建笔记
tf.keras CNN网络搭建笔记 这里写目录标题tf.keras CNN网络搭建笔记基本流程，以LeNet为例创建Sequential模型配置模型的学习流程数据预处理模型训练与验证其他操作自定义卷积层 基本流程，以LeNet为例 创建Sequential模型 创建Sequential模型，并添加相应神经层 model = tf.keras.Sequential([ # 卷积核数量为6，大小为3*3 keras.layers.Conv2D(6, 3), # strides步长
2021-04-04 21:04:51
628
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人