本文探讨了神经网络，特别是卷积神经网络在利用标签信息进行训练的方式，以及无标签样本在神经网络学习中的作用。介绍了如何正确训练神经网络，包括数据预处理、设置端到端训练框架和损失函数验证。同时解释了训练样本、RBM神经网络中的标记集用途，以及深度神经网络的训练原理。最后提到了遗传算法优化BP神经网络的代码示例。
1、卷积神经网络是怎么使用标签信息的？
第一、softmax是多分类器，有多个输出，比如说它有四个输出，对应分到4类概率，若在4个输出中第二个输出的概率最大，则判定为第二类。然后与数据的标签信息比较。
第二、框选的目标按像素点有个区域范围，识别目标是否在框里面，就要看所识别目标与这个区域范围的重合程度。
谷歌人工智能写作项目：小发猫
2、神经网络只有通过带标签的训练样本才能进行学习？对吗？
错的，一般来说很难获取大量的带标签的样本神经网络训练样本的标签。
3、如何训练神经网络
1、先别着急写代码
训练神经网络前，别管代码，先从预处理数据集开始。我们先花几个小时的时间，了解数据的分布并找出其中的规律。
Andrej有一次在整理数据时发现了重复的样本，还有一次发现了图像和标签中的错误。所以先看一眼数据能避免我们走很多弯路。
由于神经网络实际上是数据集的
最低0.47元/天 解锁文章
扫一扫
645
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
