关于神经元覆盖率的概念和使用方式,详情见https://www.52cs.com/archives/2809,当然本文的实验方式有缺陷,不能很好的得到结论,因为每次加50样本,随着样本数量增多即新增样本的影响准确率会自然稀释,但是也一定的说明问题,先行记录,等有空闲再完善
计算步骤
关于CNN的神经元覆盖率,分两部分计算:
- convolution部分:
卷积部分,在卷积核计算卷积之后,一般会经过激活层,然后池化层,从池化层结果输出看,max-pool池化,只关注过滤器中的最大值
因此,希望池化层所选择的值,即过滤器大小中的值为最大值,卷积核后的feature map被pool选择的个数/总个数 - full connection 部分:
全连接层计算方式则和DNN一模一样
使用记录
预期结果:神经元覆盖率越高的测试集测试的准确率越可靠
实际问题:实际中无法得知模型实际的准确率,因此只能侧面证明
已知可得到的部分:测试集覆盖率和测试集准确率
为了对比,可以控制变量法,两个指标,希望得到以下的结论: