如何提高训练精度训练卷积神经网络回归的例子吗?
12个视图(30天)
显示旧的评论
的例子“火车卷积神经网络回归”展示了如何预测旋转的角度使用卷积神经网络的手写数字。然而,CNN网络的准确性不是足够好。任何想法提高网络精度,如调整可学的参数或网络结构?
谢谢。
0评论
答案(3)
Shounak Mitra
2019年6月10日
好问题!
你是对的,有时常规扩增不添加额外的价值。在这种情况下,我经常依靠优化器找到最佳hyperparameters像学习速率,mini-batch大小、动量等。查看文档
//www.tatmou.com/help/deeplearning/examples/deep-learning-using-bayesian-optimization.html。
至于你的问题寻找最佳的网络结构,它是一个研究领域,通常这样的字眼AutoML用于这样的工作流。我前面提到的,关于贝叶斯优化,也是AutoML的一部分。试图使用一个自动化技术的缺点找到最好的网络结构是计算非常昂贵。话虽如此,我们在文档中一个例子显示了如何实现一个参数扫描网络上的深度- - >
//www.tatmou.com/help/deeplearning/examples/use-parfeval-to-train-multiple-deep-learning-networks.html
0评论
Saira
2020年6月15日
你好,
我有5600个训练图像。我有使用主成分分析(PCA)提取特征。然后我在CNN应用提取的特征。我的训练精度为30%。如何提高培训准确性?
功能列向量大小:640 * 1
我的训练代码:
%卷积神经网络架构
层= [
imageInputLayer ([1 640 1]);
reluLayer
fullyConnectedLayer (7);
softmaxLayer ();
classificationLayer ()];
选择= trainingOptions(“个”、“动力”,0.95,“InitialLearnRate”, 0.0001,“L2Regularization”, 1的军医,“MaxEpochs”, 5000年,“MiniBatchSize”, 8192年,“详细”,真正的);