深度学习
文章平均质量分 55
TensorFlow、Keras、PyTorch、Paddle
令人作呕的溏心蛋
人生何处不青山
展开
-
深度学习中,人们常说的鲁棒性和泛化性是什么意思?通俗的给你解释清楚,一看你就明白了。
指的是模型对于输入数据的健壮性,即模型在遇到各种不同的数据输入时,仍然能够保持高效的表现。一个鲁棒性强的模型能够在噪声、缺失数据或者其他异常情况下也能够准确地预测结果。则是指模型对于新数据的适应能力,即模型能否对于未在训练集中出现的数据进行准确的预测。一个具有很强泛化性的模型能够在不同的数据集上都表现出色,而不仅仅是在训练集上表现好。深度学习中的目标是构建既有鲁棒性又有泛化性的模型,即能够在多种情况下都能够高效准确预测结果的模型。原创 2023-04-15 12:11:14 · 9595 阅读 · 0 评论 -
深度学习中训练时经常碰到的train、val、test有啥区别?
train是训练集,val是训练过程中的测试集,是为了让你在边训练边看到训练的结果,及时判断学习状态。test就是训练模型结束后,用于评价模型结果的测试集。只有train就可以训练,val不是必须的,比例也可以设置很小。test对于model训练也不是必须的,但是一般都要预留一些用来检测,通常推荐比例是8:1:1。原创 2023-04-11 19:52:13 · 5193 阅读 · 0 评论 -
深度学习中epoch、batch、iteration的理解
另外,我觉得我文章里说的和你说的意思是一样的,也就是我们只需要管batch size就好了,一旦你设置好了batch size, 计算机自己会算出iteration是多少。也就是说,你要把100个数据集扔进神经网络训练10次,每次(每个epoch)你要把100个数据集分成20份,每份数据为5个(batch size=5),所以你需要投入20次(iteration)来完成一个epoch。batch size 指的是数据的个数,batch size = 10 指的是每次扔进神经网络训练的数据是10个。原创 2023-04-11 19:02:54 · 451 阅读 · 0 评论 -
Keras model.summary()模型结构计算详解
通过model.summary()输出模型结构信息全连接神经网络创建模型代码#初始化模型model = tf.keras.Sequential()model.add(Flatten(input_shape=(32,32,3))) #将二维扁平化为一维model.add(Dropout(0.1))model.add(Dense(2048,activation='relu')) model.add(Dropout(0.1))model.add(Dense(1024,activation=.原创 2022-04-13 13:43:28 · 5090 阅读 · 2 评论 -
使用keras CNN卷积神经网络训练mnist手写数字识别并输入图片预测
前言CNN卷积网络结构由输入层、输出层、卷积层、池化层、全连接层构成。相比于传统的NN,CNN更好的诠释了神经网络,也使得模型就更加稳健。本次实验使用CNN来训练mnist手写数字识别并预测。准备工作TensorFlow版本:1.13.1Keras版本:2.1.6Numpy版本:1.18.0matplotlib版本:2.2.2导入所需的库from keras.datasets import mnistfrom keras.utils import np_utilsfrom k原创 2021-02-19 16:44:14 · 3877 阅读 · 2 评论 -
使用keras全连接网络训练mnist手写数字识别并输出可视化训练过程以及预测结果
前言mnist 数字识别问题的可以直接使用全连接实现但是效果并不像CNN卷积神经网络好。Keras是目前最为广泛的深度学习工具之一,底层可以支持Tensorflow、MXNet、CNTK、Theano准备工作TensorFlow版本:1.13.1Keras版本:2.1.6Numpy版本:1.18.0matplotlib版本:2.2.2导入所需的库from keras.layers import Dense,Flatten,Dropoutfrom keras.datasets imp原创 2021-02-19 14:21:54 · 2042 阅读 · 4 评论