2020-07-31

Tensorflow fashion_mnist数据集的优化
在使用fashion_mnist数据训练模型时,我注意到模型倾向于把28*28的随机数生成的数组分辨为第9类物品(label=8(从零开始),手提包),但是分辨为手提包的图像没有任何手提包的特点,softmax输出却往往是90%以上。
通过在训练图片的数组里加入6000个随机数数组,并在标签内加入6000个10,训练图片总数增加到66000,将数组与标签打包后打乱,通过简单的网络进行训练,便可以分辨随机数组生成的图片与手提包象征图。
模型在预测测试图片时也表现出了比训练时更高的正确率

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
USE MyDatabase; -- 创建表1 CREATE TABLE Table1 ( ID INT PRIMARY KEY, Name VARCHAR(50) NOT NULL, Age INT NOT NULL, Gender VARCHAR(10) NOT NULL ); -- 插入数据到表1 INSERT INTO Table1 (ID, Name, Age, Gender) VALUES (1, 'John', 25, 'Male'), (2, 'Mary', 30, 'Female'), (3, 'Tom', 20, 'Male'), (4, 'Alice', 35, 'Female'), (5, 'Bob', 28, 'Male'), (6, 'Sara', 32, 'Female'), (7, 'David', 27, 'Male'), (8, 'Julia', 29, 'Female'), (9, 'Alex', 24, 'Male'), (10, 'Lisa', 31, 'Female'); -- 创建表2 CREATE TABLE Table2 ( ID INT PRIMARY KEY, Department VARCHAR(50) NOT NULL, Manager VARCHAR(50) NOT NULL ); -- 插入数据到表2 INSERT INTO Table2 (ID, Department, Manager) VALUES (1, 'Sales', 'John'), (2, 'Marketing', 'Mary'), (3, 'IT', 'Tom'), (4, 'HR', 'Alice'), (5, 'Finance', 'Bob'), (6, 'Operations', 'Sara'), (7, 'Engineering', 'David'), (8, 'Customer Service', 'Julia'), (9, 'Research', 'Alex'), (10, 'Product Development', 'Lisa'); -- 创建表3 CREATE TABLE Table3 ( ID INT PRIMARY KEY, ProductName VARCHAR(50) NOT NULL, Price FLOAT NOT NULL ); -- 插入数据到表3 INSERT INTO Table3 (ID, ProductName, Price) VALUES (1, 'iPhone', 999.99), (2, 'Samsung Galaxy', 799.99), (3, 'Google Pixel', 899.99), (4, 'Huawei P30', 699.99), (5, 'OnePlus 7T', 599.99), (6, 'Xiaomi Mi 9', 499.99), (7, 'LG G8', 699.99), (8, 'Sony Xperia', 749.99), (9, 'HTC U12', 649.99), (10, 'Nokia 9', 599.99); -- 创建表4 CREATE TABLE Table4 ( ID INT PRIMARY KEY, OrderDate DATE NOT NULL, ProductID INT NOT NULL, Quantity INT NOT NULL, FOREIGN KEY (ProductID) REFERENCES Table3(ID) ); -- 插入数据到表4 INSERT INTO Table4 (ID, OrderDate, ProductID, Quantity) VALUES (1, '2020-01-01', 1, 2), (2, '2020-02-01', 2, 3), (3, '2020-03-01', 3, 1), (4, '2020-04-01', 4, 4), (5, '2020-05-01', 5, 2), (6, '2020-06-01', 6, 3), (7, '2020-07-01', 7, 1), (8, '2020-08-01', 8, 4), (9, '2020-09-01', 9, 2), (10, '2020-10-01', 10, 3); -- 创建表5 CREATE TABLE Table5 ( ID INT PRIMARY KEY, CustomerName VARCHAR(50) NOT NULL, OrderID INT NOT NULL, FOREIGN KEY (OrderID) REFERENCES Table4(ID) ); -- 插入数据到表5 INSERT INTO Table5 (ID, CustomerName, OrderID) VALUES (1, 'John Smith', 1), (2, 'Mary Johnson', 2), (3, 'Tom Lee', 3), (4, 'Alice Wang', 4), (5, 'Bob Chen', 5), (6, 'Sara Kim', 6), (7, 'David Lee', 7), (8, 'Julia Brown', 8), (9, 'Alex Wong', 9), (10, 'Lisa Zhang', 10);
06-08

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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