深度学习数字仪表盘识别_深度学习入门篇-手写数字识别

最新推荐文章于 2023-12-20 12:02:26 发布

weixin_39956350

最新推荐文章于 2023-12-20 12:02:26 发布

阅读量557

点赞数

文章标签：深度学习数字仪表盘识别

本文链接：https://blog.csdn.net/weixin_39956350/article/details/111648100

版权

本文介绍了深度学习在手写数字识别中的应用，包括训练集和测试集的表现，以及如何提升模型性能。讨论了不同的激活函数、自适应学习率优化器如Adagrad、RMSprop、Momentum和Adam，以及正则化、早停和dropout等策略。通过实验，调整了激活函数、数据标准化、dropout和优化器，提高了分类准确率。

摘要由CSDN通过智能技术生成

假期第一篇帖子

只收藏不点赞的都是流氓~

准备：

pip install keras

Tips of DeepLearning

先检查在训练集上的训练效果，再检查测试集上的训练效果。

1、如果在训练集上就表现不好，可以采取以下两种方法：

方法1：使用新的激活函数

激活函数：连续可导的非线性函数，尽可能简单，导函数的值域在合适的区间。

方法2：自适应的学习率

①Adagrad

②RMSprop

③Momentum（动量）

④Adam （RMSprop+Momentum）

详情参考：

CSDN-专业IT技术社区-登录

2、如果在训练集上表现良好，但在测试集上表现不好，可以采取以下三种方法：

方法1：正则化

方法2：earlystoping

方法3：dropout

手写数字数据下载网址：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

#读取数据
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) #实例化对象

(X_train,y_train)=(mnis