kaggle入门(1):手写字符识别0.99575(top12%-2020/7/2)

本文记录了一位作者在Kaggle上进行手写字符识别的历程,通过不断优化网络结构(如使用LeNet5、加入dropout、BN层等)和改进数据处理(数据增广、验证集策略),最终达到0.99575的高准确率,进入了前12%。总结中强调了数据增广、模型级联、dropout和BN层的重要性。
摘要由CSDN通过智能技术生成
1)minist数据集介绍

mnist数据本身是70000张。
kaggle给的训练集:42000张图,用于提交的测试图28000张;

2)递进提交记录
第一次:0.98682 (top50%)
  • 网络:原生Lenet5
  • 数据:随机分配0.1比例的验证集,无数据增广
class Lenet(nn.Module):
    def __init__(self, in_channel = 1, cls = 10):
        super(Lenet, self).__init__()

        self.conv1 = nn.Conv2d(in_channel
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值