2016.3.29 实际运用卷积神经网络

卷积神经网络实战
本文介绍了一种利用卷积神经网络解决实际问题的方法,通过Theano加速计算,并使用ReLU作为激活函数来提升模型性能。此外,还介绍了如何通过扩充数据集、采用Dropout防止过拟合以及GPU加速等技术手段提高准确率。

实际运用卷积神经网络

对于卷积神经网络来说,最重要得就是能够更好得解决问题。在实践中使用Theano进行加速计算。采用卷积神经网络,后面配合fc

Relu作为激活函数,因为relu似乎总能够得到更好得结果。

扩充数据集。

对于fc采用dropout,因为卷积层学习得就是全局得特征,所以没必要就进行一个dropout,因为本身就不会过拟合。

采用gpu加速。

Accuracy99.67%

看,上手也不是那么难!

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值