• polar神经网络CNN译码训练


    先随便设置的参数:

     

     没想到它居然有效果:

     

     这弯弯扭扭的准确率曲线看上去势头还不错。准确率百分之40.5%。

    将epoch由500设置为5000看看:

     

     

    是不是不池化更好一点。。。

    把池化层去掉,epoch设置为6000:

     

     loss下降了一点点,accuracy下降了一点,,但是要是提前停止训练,应该会好一点。

    epoch改为3000,因为在3000附近就差不多收敛了,采用adam优化。再试试:

     

     

     对于这个图像,我竟无言以对。。。

    loss有所降低,accuracy振荡地厉害。

    加上池化层再试试:

     

     

     loss:30.68%

    acc:53.63%

    为什么图像振荡得这么厉害???

    要怎么办???将学习率由0.001改为0.0001试试:

     

     

     loss:31.07%

    acc:55.67%

    这个图形形状似曾见过。。

    batch_size改为50试试:

     

     

    loss:30.9999%

    acc:57.53%

     和batch_size为100时没有太大区别,由图可知,应该把epoch设置大一点,先设置为6000试试:

     

     

     loss;30.71%

    acc:56.95%

    试试迭代60000次:

     loss:30.4%

    acc:58.03%(目前最好)

     

     没有太大改善,现在试试把dropout层去掉:

     

     

     把droupout层去了效果变得很差,还是过拟合的原因吧。

    我的前方是万里征途,星辰大海!!
  • 相关阅读:
    Java实现 LeetCode 715 Range 模块(选范围)
    HTML 图像
    HTML 样式- CSS
    HTML <head>
    HTML 链接
    HTML 文本格式化
    目标检测中的anchor-based 和anchor free
    目标检测coco数据集点滴介绍
    Camera HDR Algorithms
    噪声标签的负训练:ICCV2019论文解析
  • 原文地址:https://www.cnblogs.com/taoyuxin/p/11959910.html
Copyright © 2020-2023  润新知