卷积神经网络之二:实例及源码示例笔记
来源:互联网 发布:java中多线程实现 编辑:程序博客网 时间:2024/06/05 09:07
文字识别系统LeNet-5
下面,有必要来解释下上面这个用于文字识别的LeNet-5深层卷积网络。
1. 输入图像是32x32的大小,局部滑动窗的大小是5x5的,由于不考虑对图像的边界进行拓展,则滑动窗将有28x28个不同的位置,也就是C1层的大小是28x28。这里设定有6个不同的C1层,每一个C1层内的权值是相同的。
2. S2层是一个下采样层。简单的说,由4个点下采样为1个点,也就是4个数的加权平均。但在LeNet-5系统,下采样层比较复杂,因为这4个加权系数也需要学习得到,这显然增加了模型的复杂度。在斯坦福关于深度学习的教程中,这个过程叫做Pool。
源码:Convolutional Neural Networks (LeNet)
可能用到的源码:logistic_sgd,mlp
结果:
...epoch 180, minibatch 100/100, validation error 0.920000 %training @ iter = 18000epoch 181, minibatch 100/100, validation error 0.920000 %training @ iter = 18100epoch 182, minibatch 100/100, validation error 0.920000 %training @ iter = 18200epoch 183, minibatch 100/100, validation error 0.910000 % epoch 183, minibatch 100/100, test error of best model 0.920000 %training @ iter = 18300epoch 184, minibatch 100/100, validation error 0.910000 %training @ iter = 18400epoch 185, minibatch 100/100, validation error 0.910000 %training @ iter = 18500epoch 186, minibatch 100/100, validation error 0.910000 %training @ iter = 18600epoch 187, minibatch 100/100, validation error 0.910000 %training @ iter = 18700epoch 188, minibatch 100/100, validation error 0.910000 %training @ iter = 18800epoch 189, minibatch 100/100, validation error 0.910000 %training @ iter = 18900epoch 190, minibatch 100/100, validation error 0.910000 %training @ iter = 19000epoch 191, minibatch 100/100, validation error 0.910000 %training @ iter = 19100epoch 192, minibatch 100/100, validation error 0.910000 %training @ iter = 19200epoch 193, minibatch 100/100, validation error 0.910000 %training @ iter = 19300epoch 194, minibatch 100/100, validation error 0.910000 %training @ iter = 19400epoch 195, minibatch 100/100, validation error 0.910000 %training @ iter = 19500epoch 196, minibatch 100/100, validation error 0.910000 %training @ iter = 19600epoch 197, minibatch 100/100, validation error 0.910000 %training @ iter = 19700epoch 198, minibatch 100/100, validation error 0.910000 %training @ iter = 19800epoch 199, minibatch 100/100, validation error 0.910000 %training @ iter = 19900epoch 200, minibatch 100/100, validation error 0.910000 %Optimization complete.Best validation score of 0.910000 % obtained at iteration 18300, with test performance 0.920000 %The code for file convolutional_mlp.py ran for 527.38m
0 0
- 卷积神经网络之二:实例及源码示例笔记
- 卷积神经网络学习笔记(二):CNN代码实例
- 吴恩达深度学习笔记之卷积神经网络(实例探究)
- 机器学习笔记二十二 卷积神经网络
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例详细介绍
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 深度学习之卷积神经网络CNN及tensorflow代码实现示例
- 可视化CNN卷积神经网络-- 之二
- kaldi学习笔记之卷积神经网络(CNN)
- 吴恩达深度学习笔记之卷积神经网络(卷积网络)
- 神经网络实例及错误笔记
- (二)卷积神经网络
- 卷积神经网络(二)
- 白话机器学习算法(九)朴素贝叶斯
- repeater把数据导出到Excel
- /dev/ram & /dev/shm的区别
- soj1080生化危机三
- Chrome 重回Windows系统默认的菜单样式
- 卷积神经网络之二:实例及源码示例笔记
- IOS-Objectiv-C(OC)相关知识点。
- Lance老师UI系列教程第五课->自定义风格单选多选对话框的实现
- 【1】Sublime Text 输入调试成功~
- Top 20 Sql
- AlarmClock slow alarm Alarm
- C++字符串替换函数具体实现方法详解
- xml解析之DOM4J
- 将ppt转换成pdf格式的方法介绍