深度学习
文章平均质量分 85
Drailife
~
展开
-
卷积神经网络实验
二维卷积实验手写二维卷积的实现,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果使用torch.nn实现二维卷积,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果(最好使用图表展示)不同超参数的对比分析(2、空洞卷积实验使用torch.nn实现空洞卷积,要求dilation满足HDC条件(如1,2,5)3、残差网络实验实现给定结构的残差网络,在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果(最好使原创 2023-08-18 16:46:06 · 2679 阅读 · 1 评论 -
网络优化实验:在多分类任务中分别手动实现和用torch.nn实现dropout,在多分类任务中分别手动实现和用torch.nn实现L_2正则化
网络优化实验:在多分类任务中分别手动实现和用torch.nn实现dropout,在多分类任务中分别手动实现和用torch.nn实现L_2正则化原创 2023-08-18 16:28:11 · 2557 阅读 · 9 评论 -
手动以及使用torch.nn实现前馈神经网络实验
手动以及使用torch.nn实现前馈神经网络手动实现前馈神经网络解决上述回归、二分类、多分类任务利用torch.nn解决上述回归、二分类、多分类任务在多分类任务中使用至少三种不同的激活函数对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响原创 2022-11-12 13:35:09 · 6982 阅读 · 12 评论 -
手动以及使用torch.nn实现logistic回归和softmax回归
要求动手从0实现 logistic 回归(只借助Tensor和Numpy相关的库)在人工构造的数据集上进行训练和测试,并从loss以及训练集上的准确率等多个角度对结果进行分析利用 torch.nn 实现 logistic 回归在人工构造的数据集上进行训练和测试,并对结果进行分析,并从loss以及训练集上的准确率等多个角度对结果进行分析- 要求动手从0实现 softmax 回归(只借助Tensor和Numpy相关的库)在Fashion-MNIST数据集上进行训练和测试,并从loss、训练集以及测试集上的准确率原创 2022-11-05 00:18:02 · 5780 阅读 · 2 评论 -
模型训练时测试集上正确率大于训练集
数据集切分的时候不均匀,也就是说训练集和测试集的分布不均匀,如果模型能够正确地捕捉到数据内部的分布模式的话,就有可能造成训练集的内部方差大于验证集,会造成训练集的误差更大,这个时候就需要重新划分数据集,使其分布一样。训练集的准确率是每个batch之后产生的,而验证集的准确率一般是一个epoch后产生的,验证时的模型是训练一个个batch之后的,有一个滞后性,可以说就是用训练得差不多的模型用来验证,当然准确率要高一点。因此,模型在训练集上有着更好的表现,才应该是正常的现象。原创 2022-11-02 11:47:00 · 5902 阅读 · 0 评论 -
数据归一化方法及其优点
简要介绍数据归一化优点,以及两种归一化方法原创 2022-09-19 11:46:49 · 3564 阅读 · 0 评论