人工智能实践——卷积网络的优化

写一下今天炼丹的收获：
1：对于一开始就用vgg16进行fashion_mnist，正确率总是0.1，我推测是因为数据集(60000,28,28,1)每张图片蕴涵的信息只有（28,28）不是很大，经过这么多池化层，dropout,许多关键信息都被丢弃了。当我只有两卷积一池化时，正确率就90+

2：关于metrics=[‘sparse_categorical_accuracy’]。
metrics指的是评估标准，即你的输出和真实值是否对应是如何评价的。当然是针对多标签单分类问题

categorical_accuracy：检查 y_ture 中最大值对应的index 与 y_pred 中最大值对应的index是否相等。
sparse_categorical_accuracy检查 y_true 中的值（本身就是index） 与 y_pred 中最大值对应的index是否相等。
y_true = (0, 0, 1, 0)
y_pred = (0.02, 0.05, 0.83, 0.1)
acc = categorical_accuracy(y_true, y_pred)

y_true = 2
y_pred = (0.02, 0.05, 0.83, 0.1)
acc = sparse_categorical_accuracy(y_true, y_pred)

3：关于卷积核的大小。
注意(1,1)和(2,2)都是不能取得，只能从(3,3)开始，当然也可以使用(1,n)和(n,1)
通常是没有偶数，只有奇数

4：colob实现断点续传
首先利用Google drive作为你的云盘
位置在左方的箭头处

这时会出现目录。所以我们云盘目录为/
如果要存储在content的drive下存储为fashion.tf，路径为“/content/drive/fashion.tf”
其他的断点续传代码不用修改

执行后就可以看到我们的断点续传代码。也可以下载或者上传