首页 版块 积分商城 访问AI主站 注册 发帖
gflpower
157
积分 积分商城
0
获赞
【百度技术学院机器学习训练营第二期】-实验作业
Ta的回复 :2班+高飞龙 1、网络结构:计算每层网络结构和输入输出尺寸和参数个数。不加BN?更深?每层的尺寸变化?更多结构? conv_pool_1 -> 输入为[3*32*32] 卷积后 20*28*28 池化后 20*14*14 conv_pool_2 -> 输入为[20,14,14] 卷积后 50*10*10 池化后 50*5*5 conv_pool_3 -> 输入为50*5*5 卷积后 50*1*1 池化后 50*1*1 prediction -> 全连接层 输出单元的数目为10, 意为有10种输出结果,回归方式为:softmax, bn的作用是防止过拟合, 一般用在卷积后,池化前 2、尝试不同的Loss函数和优化算法(SGD、Momentum、Adagrad、Adam),观察效果的变化,最好的选择是什么?为什么? Adam正确效率最高 3、尝试不同的样本数量:随着每个类别样本数量由少变多,模型准确率变化的曲线是怎样的?每个类别至少有多少张图片可支撑一个准确率尚可的模型? 使用图像分类模型识别世界的万事万物是否可行?(自己编写数据读取程序,而不用默认函数;先完成同学可以在班级群内推送代码,供同学们参考) 样本少的情况下,训练时正确率的波动范围较大,成本的波动范围也较大 500张 使用图像分类模型识别世界的万事万物,如果只有识别已有类型尚可,如果物体与物体有所属关系,还有未知物体如何处理,简单的分类识别可能适合于监督学习,要识别世界的万事万物,需要有主动学习的能力,无监督学习可能更适合。
65
切换版块
智能客服