卷积神经网络
文章平均质量分 75
同志啊为人民服务!
我的快乐我做主!
展开
-
PyTorch框架中使用早停止Early Stopping(含详细代码)
文章目录1.什么是早停止?为什么使用早停止?2.如何使用早停止?3. Refferences1.什么是早停止?为什么使用早停止?早停止(Early Stopping)是 当达到某种或某些条件时,认为模型已经收敛,结束模型训练,保存现有模型的一种手段。机器学习或深度学习中,有很大一批算法是依靠梯度下降,求来优化模型的。是通过更新参数,让Loss往小的方向走,来优化模型的。可参考BP神经网络推导过程详解关于模型何时收敛(模型训练好了,性能达到要求了或不能再优化了),此时我们可以采取一些判断标准:1.验原创 2022-03-21 21:46:49 · 38533 阅读 · 16 评论 -
TensorFlow和PyTorch框架绘制loss和accuracy曲线
文章目录1.前言2.TensorFlow框架绘制loss和accuracy曲线3.PyTorch框架绘制loss和accuracy曲线4.pytorch中使用tensorboard绘制Accuracy/Loss曲线1.前言搞深度学习时,我们一般会遇到一个问题,评估模型的性能:这时,一般会绘制模型在训练集 & 验证集上的准确率值和损失值曲线。在这一点上TensorFlow框架比PyTorch框架方便,因为TensorFlow框架在训练模型时,把模型、训练集和验证集上的accuracy和loss都原创 2022-03-17 23:16:36 · 21364 阅读 · 10 评论 -
神经网络模型训练时,性能不高?原因总结(神经网络模型性能优化方法汇总)
文章目录 前言1. 改模型框架2.数据处理3.超参数对模型训练的影响3.1 学习率对模型训练时的影响3.2 批处理大小对模型训练时的影响3.3 epoch对模型训练时的影响3.4 如何判断模型收敛3.5模型过拟合时怎么办?原创 2022-03-15 21:58:40 · 9002 阅读 · 2 评论 -
Logistic回归做分类或预测(实战代码)
1.Logistic回归为什么可以用于分类?谈这个问题之前,先谈下:一般来说,我们如何用一个模型做分类?一般的,在机器学习中,使用一个模型做分类的前提,是根据数据(包含样本和标签)训练出一个模型,再用这个训练好的模型做新样本的分类。比如 x=[1,2,3],y=[2,4,6]. 给出一个x=4,y=?我们就可以根据现有的数据来训练出一个模型,这里根据数据特点,选用线性回归模型。这里使用pytorch封装好的线性回归模型,来进行实现import torchx_data = torch.tens原创 2021-12-13 23:03:02 · 7917 阅读 · 0 评论 -
pytorch绘制loss和accuracy曲线
1.前言pytorch虽然使用起来很方便,但在一点上并没有tensorflow方便,就是绘制模型训练时在训练集和验证集上的loss和accuracy曲线(共四条)。tensorflow模型训练时,每次epoch的模型,以及在训练集和验证集上的loss和acc都保存在一个对象中,当我们要绘制四条曲线时,直接从对象中取值即可。2.Loss曲线Loss_list = [] #存储每次epoch损失值def draw_loss(Loss_list,epoch): # 我这里迭代了200次,所以x的原创 2021-12-13 14:22:00 · 23476 阅读 · 20 评论 -
神经网络训练中batch的作用(从更高角度理解)
1.什么是batchbatch,翻译成汉语为批(一批一批的批)。在神经网络模型训练时,比如有1000个样本,把这些样本分为10批,就是10个batch。每个批(batch)的大小为100,就是batch size=100。每次模型训练,更新权重时,就拿一个batch的样本来更新权重。2.神经网络训练中batch的作用(从更高角度理解)从更高的角度讲,”为什么神经网络训练时有batch?“,需要先讲一些预备知识。当我们求损失loss用于梯度下降,更行权重时,有几种方式。一种是全部的样本用来求loss原创 2021-12-11 23:08:06 · 33289 阅读 · 7 评论 -
卷积层和池化层输出特征图大小的计算——以LeNet模型为例
1.LeNet网络模型结构本文咱们以LeNet网络为例,介绍一下,如何卷积层和池化层输出特征图的大小。LeNet算上输入层,有八层。分别是:输入层INPUT、C1卷积层、S2池化层(或者叫下采样)、C3卷积层、S4池化层(或者叫下采样)、C5卷积层、F6全连接层和最后一层输出层OUTPUT。LeNet各层,输入图像大小、卷积核大小、步长和通道数以及输出图像大小,如本图所示。2.特征图大小的计算卷积层和池化层采用不同的公式。a.卷积层a.池化层解释:OutSize为输出图像大小,原创 2021-12-05 23:32:23 · 7097 阅读 · 2 评论