超级会员免费看
本文通过CNN解决猫狗二分类问题，最优模型在未经复杂预处理的情况下，测试集正确率可达80%。调整了conv层、max pooling、fc层等参数，最终模型包括3个conv层和1个fc层，使用ReLU激活和AdamOptimizer。尽管出现过拟合，但通过增加复杂模型和数据增强等手段可进一步优化。
1 概要
对于猫狗识别这个二分类问题，我选择用 CNN 来解决。
本文将写出我在使用不同 CNN 模型得到的数据和结果。
我的最优成果是：抽取所给图片的后 20% 来作为测试集（猫和狗分别 10%），其余为训练集，在不做什么厉害的数据预处理的情况下，测试集有 80% 左右的正确率。
2 各种模型
由于这几天我调参训练的模型实在太多，而且没有很好的记录，所以在这里只说一下我调这些模型的一些参数，就不具体展开每个模型了：
调节的参数有：
conv 层数。最终我选择了 3 个 conv 层
conv 层中的 filter 大小和步长还有层数。最终我选择了 3 × 3，步长为 1，且用
订阅专栏 解锁全文
3009
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
