8.13学习笔记
1.手写数字识别:深度学习的“hello,world!”
数据处理:封装函数,读文件,雨初拉力,异步
模型设计:网络机构:单层网络,多层网络,激活函数 CNN
损失函数:均方误差 Cross Entropy+Softmax
训练配置:优化器:SGD 学习率 Momenturm/AdaGrad/Adam 正则化
资源配置:单机CPU GPU 多机多卡
训练过程:训练 评价指标 校验(正则化) 作图
模型保存:预测场景 恢复训练场景
2.极简版
飞桨API函数查询
数据处理:Paddle.dataset.mnist.train()
train_set(train_images,train_lables) val_data校验数据 test_data
异步读取vs同步读取
模型设计:1.基础模型:神经网络:输入28*28每个像素值,输出预测数字值
2.以类的方式组件网络:初始化函数,定义每一层:mnist类
3.是否有效
训练效果:
- 从img_path读取图像,用convert转化为灰度图,强制转化为np.array,resize(28,28),归一化处理保持和数据集的数据范围一致
- 定义预测过程model,加载模型函数model.dict,取出预测值