深度学习 Keras 笔记
学习笔记 :
- 1
相关参数
batch_size 、iteration 、epochs
http://blog.youkuaiyun.com/u013041398/article/details/72841854dropout:
如果要训练一个大型的网络,训练数据很少的话,那么很容易引起过拟合(也就是在测试集上的精度很低),在每次训练的时候,让一半的特征检测器停过工作,这样可以提高网络的泛化能力,把它称之为dropout。
在每次训练的时候,每个神经元有一定的几率被移除,这样可以让一个神经元的出现不应该依赖于另外一个神经元。
Dropout说的简单一点就是我们让在前向传导的时候,让某个神经元的激活值以一定的概率p,让其停止工作。基于keras的基本概念
https://www.jianshu.com/p/64172378a178
序贯模型和函数式模型
Keras函数式模型接口是用户定义多输出模型、非循环有向模型或具有共享层的模型等复杂模型的途径。一句话,只要你的模型不是类似VGG一样一条路走到黑的模型,或者你的模型需要多于一个的输出,那么你总应该选择函数式模型。函数式模型是最广泛的一类模型,序贯模型(Sequential)只是它的一种特殊情况。
CNN
卷积层和池化层学习:https://www.cnblogs.com/zf-blog/p/6075286.html
http://blog.youkuaiyun.com/dqcfkyqdxym3f8rb0/article/details/79151233
初始化方法
对keras层设置初始化权重的方法。
kernel_initializer=’ ‘
正则化方法
模型参数太多容易产生过拟合,因此通过对模型参数施加惩罚参数来限制模型能力。
回调函数Callbacks
回调函数是一组在训练的特定阶段被调用的函数集,用于观察训练过程中网络内部的状态和统计信息。