实践-传统深度学习

简介与安装

  • 2 训练自己的数据集整体流程
  • 3 数据加载与预处理
  • 4 搭建网络模型
  • 5 学习率对结果的影响
  • 6 Drop-out操作
  • 7 权重初始化方法对比
  • 8 初始化标准差对结果的影响
  • 9 正则化对结果的影响
  • 10 加载模型进行测试

实践-传统深度学习_第1张图片
TensorFlow:每一步都需要自己做。
Keras:做起来更轻松。任务简单化。
构建代码中使用起来是不一样的。
Caffe适合做图像识别,只有卷积网络,不适合自然语言处理,更新的慢,很多网络没有。

TensorFlow:所有的东西亲力亲为。

Keras:用起来简单,上手非常快。用TensorFlow当做他执行的一个后端。
实践-传统深度学习_第2张图片

2 训练自己的数据集整体流程

3 数据加载与预处理

4 搭建网络模型

5 学习率对结果的影响

实践-传统深度学习_第3张图片

6 Drop-out操作

实践-传统深度学习_第4张图片

7 权重初始化方法对比

用截断高斯分布
实践-传统深度学习_第5张图片
实践-传统深度学习_第6张图片

8 初始化标准差对结果的影响

实践-传统深度学习_第7张图片

9 正则化对结果的影响

实践-传统深度学习_第8张图片
实践-传统深度学习_第9张图片

10 加载模型进行测试

目前迭代了200次实践-传统深度学习_第10张图片实践-传统深度学习_第11张图片
实践-传统深度学习_第12张图片
实践-传统深度学习_第13张图片

你可能感兴趣的:(DL,深度学习,人工智能)