mnist各种网络研究2 结果统计

最新推荐文章于 2024-09-17 21:17:40 发布
最新推荐文章于 2024-09-17 21:17:40 发布
阅读量413 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： python 文章标签： mnist
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/masbbx123/article/details/84832802
本文对比分析了16种深度学习网络的实验结果，包括网络类型、参数量、准确率及运算量等关键指标。发现参数量与准确率并非线性相关，可分离卷积在降低运算量的同时保持较高性能，而网络组合效果有待进一步研究。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

统计实验结果：

网络关键字参数量acc估计运算量
Net1softmax78500.91697840
Net2全连接6697060.9843668672
Net3全标准卷积32746340.992113883904
Net4stride32746340.98815887104
Net5可分离卷积32250110.98773781476
Net6可分离卷积824190.9715836452
Net7sgd824190.9748836452
Net85*5829470.97881642404
Net9缩小通道245950.9735418404
Net10缩小通道80910.9687110340
Net11合并161720.9716220680
Net12合并2116110.9675313604
Net13合并160280.9661167368
Net147*783070.9723192868
Net15多尺寸卷积182350.9759264356
Net16卷积2041610.982385556

可以看到：
1、运算量最小的是Net1，但是ACC也是最低的
2、参数量最小的也是Net1
3、性能最好的是Net3，但是同时也是参数最大，运算量最大的
4、可分离卷积性能非常出色，大大降低了，运算量，性能仅仅下跌一点点
5、本网络参数都集中在最后的全连接层
6、更大的卷积核，性能更好
7、Net14使用可分离卷积，7*7卷积核，运算量只有Net3的0.0139，参数只有Net3的0.0025，ACC跌了约2%
8、几个网络组合的结果比单个网络还差，还有待后续研究

基于Inception v2实现判别mnist手写数据集
优快云 精品推荐
10-09 2402
大家好，我是阿光。本专栏整理了《深度学习100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。正在更新中~ ✨🚨 我的项目环境：💥 项目专栏：【深度学习100例——PyTorch版】本项目使用的是卷积网络EfficientNetV2进行判别Mnist手写数据集，EfficientNetV2 是 2021 年 4 月发表于 CVPR 的，可其分为 s，m，l，xl 几个版本，相比而言 ViT 预训练后的性能也低了快两个点，训练速度也会更慢。使用该模型，
tensorflow2.0 BP神经网络 fashion MNIST图像分类
MARSHCW的博客
11-09 4185
#-*- coding=utf-8 -*- #author: cw #desc:BP NN #date:2020/6/11 import tensorflow as tf import os import numpy as np from matplotlib import pyplot as plt import time import math import random import numpy from tqdm import tqdm_notebook as tqdm from tenso
TensorBoard MNIST 网络结构
qq_39862223的博客
07-07 520
1.mnist简介 MNIST数据集是深度学习巨头-卷积网络之父Yann LeCun发布的一个供计算机视觉识别学习使用的手写数据识别的数据集。它包括60000个训练集和10000个测试集，每条数据（或者说每张图片）都是28x28x1类型，即图片的宽度为28，高度为28，通道数为1。且MNIST数据集已经把图片数据转换为标准的列表数据类型，如60000个训练集的数据格式是：[60000, 784]，表示有60000条数据，每条数据是784维(28x28=784)。 我把mnist数据集下载至网盘，方便下载
mnist 神经网络
热门推荐
zhangyu4863的博客
07-20 3万+
# -*- coding: utf-8 -*- # 神经网络 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data # 加载数据 def init_weight(shape): # 初始化 return tf.Variable(t...
python成绩统计及格学平成_TensorFlow教程03：针对机器学习初学者的MNIST实验——回归的实现、训练和模型评估...
weixin_36312301的博客
02-10 151
TensorFlow教程03：针对机器学习初学者的MNIST实验——回归的实现、训练和模型评估实现回归模型为了用python实现高效的数值计算，我们通常会使用函数库，比如NumPy，会把类似矩阵乘法这样的复杂运算使用其他外部语言实现。不幸的是，从外部计算切换回Python的每一个操作，仍然是一个很大的开销。如果你用GPU来进行外部计算，这样的开销会更大。用分布式的计算方式，也会花费更多的资源用来传...
mnist神经网络构建
weixin_41329098的博客
07-03 316
mnist神经网络构建 准备数据 （1）导人必要的模块 import numpy as np import torch #导入 pytorch 内置的 mnist 数据 from torchvision.datasets import mnist #导入预处理模块 import torchvision.transforms as transforms from torch.utils.data import DataLoader #导入nn及优化器 import torch.nn.functional a
机器学习-卷积神经网络MNIST实战（二）
weixin_46737548的博客
04-02 1203
MNIST数据集的提出以及识别最早应用于邮票编码识别任务中，其主要内容就是通过机器学习来完成对数字的准确识别。 本文实例方法是使用的TensorFlow框架，使用的编译软件是pycharm，大家自行下载安装。 大家可以耐心观看代码，本代码实测能跑通，基本每一行都有注释，重要的地方以及易混淆的地方都会有展开解释。 目录 1.引入数据集： 2.构建卷积神经网络： 3.循环训练：
BP与卷积神经网络在MNIST手写数字识别中的应用研究
本研究是关于利用BP神经网络和卷积神经网络对MNIST手写数字图片进行识别的，旨在通过这两种不同的网络结构来分析和比较它们在处理图像识别问题上的性能。研究涵盖了多个重要的概念和知识点，包括数据集的使用、特征...
四种机器学习算法在MNIST数据集上的对比研究.pdf
09-24
实验结果表明，卷积神经网络在MNIST数据集上的性能优于其它三种学习算法。这是因为卷积神经网络可以学习图像的特征，并具有很强的泛化能力。 八、结论 机器学习算法在MNIST数据集上的应用，可以提高机器学习模型的...
图神经网络在MNIST数据集的应用研究
资源摘要信息:"MNIST数据集与图神经网络结合的应用" 1. MNIST数据集介绍 MNIST数据集是一个手写数字的数据集，广泛用于机器学习和计算机视觉领域中的图像识别任务。数据集包含60,000张训练图像和10,000张测试图像...
深度学习基础网络模型(mnist手写体识别数据集)
11-02
梯度下降纯手工实现 MLP CNN RNN SEQ2SEQ识别手写体MNIST数据集十分类问题代码详解.
mnist数据集及权重参数
02-15
mnist数据集是图像数据，由6万条训练数据和1万条测试数据组成。图像为1通道28像素乘以28像素的灰度图。本压缩文档包含了mnist数据集和神经网络推理的权重参数两个文件
【深度学习】运用mnist数据集实例化一个简单的卷积神经网络
qq_50458404的博客
07-10 1432
MNIST是一个手写体数字的图片数据集，该数据集来由美国国家标准与技术研究所（National Institute of Standards and Technology (NIST)）发起整理，一共统计了来自250个不同的人手写数字图片，其中50%是高中生，50%来自人口普查局的工作人员。该数据集的收集目的是希望通过算法，实现对手写数字的识别。同样，MNIST数据集作为众多人工智能入门练习的数据集，受众广泛，今天我们搭建一个最简单的卷积神经网络就是运用到MNIST数据集。MNIST数据集可以通过keras
神经网络经典-MNIST
qq_37077750的博客
08-11 1625
MNIST MNIST是机器学习领域的一个经典问题。并且在tensorflow中有数据实例，不需要自己去整理数据。为了更好的理解神经网络，自己按照书上写了做了一遍实验。 数据介绍 每一个MNIST数据单元均由两部分组成：一张包含手写数字的图片(xs)和一个对应的标签(ys)。 训练集：60000行（mnist.train.image and label） 测试集：10000行（mnist.test.image and label） 数据处理 数字图片采用28×28的像素矩阵存储的，我们只需要保证，每个像素
【神经网络实战】MNIST
lijf2001的博客
08-16 768
经过一段时间的学习，终于要迎来这个激动人心的时刻了，我们要开始写我们自己的神经网络了！ 不过在此之前还是先回顾一下之前所学到的知识。 回顾与复习 Python是一门比较简单的语言，本次实战就是用Python来写的，因此先要在电脑上安装好Python。 我们从最简单的感知机开始，渐渐地推广到多层的感知机。在引入了激活函数后，实现了从感知机到神经网络质的飞跃。然后我们开始了解神经网络的结构，深入地了解输出层是如何设计的，在此基础上又理解了信息是如何在神经网络中正向传递的。最后，我们了解了一些微积分的知识，学会了
MNIST 全连接网络实现
飞虹舞毓的博客
06-19 1139
全连接网络 相关函数说明 code Trick 全连接网络 最近在编写tensorflow的相关代码，实现了一下全连接网络实现mnist的代码，具体代码如下 相关函数说明 tf.argmax(y,1) #返回数组y中最大值的索引，如果y是多维数组，只在当前数组中比较，按行比较 tf.argmax(y,0) 如果是0，比较当前列，也就是多个数组的相同位置，按列比较 co...
神经网络-MNIST数据集训练
最新发布
2301_77698138的博客
09-17 3300
来源：MNIST数据集由Yann LeCun等人于1994年创建，它是NIST（美国国家标准与技术研究所）数据集的一个子集。内容：数据集主要包含手写数字（0~9）的图片及其对应的标签。用途：作为深度学习和计算机视觉领域的入门级数据集，它适合初学者练习建立模型、训练和预测。class NeuralNetwork(nn.Module): # 通过调用类的形式来使用神经网络，神经网络的模型，nn.moduledef __init__(self): # python基础关于类,self类自己本身。
全连接神经网络——MNIST手写数字识别
weixin_43765314的博客
02-10 2465
MNIST数据集 mnist数据集：包含7万张黑底白字手写图片，其中55000张为训练集，5000张为验证集，1000张为测试集。每张图片大小为28×28像素，图片中纯黑像素值为0,纯白像素值为1。0~1之间的浮点数越接近1,颜色越白。数据集的标签是长度为10的一维数组，数组中每个元素索引号表示对应数字出现的概率。 先把每张图片变为长度为28×28=784的一维数组输入神经网络，每张图片有对应...
MNIST全连接网络识别代码（二）
tystuxd的博客
12-22 591
目录两层的全连接神经网络实现手写数字识别1. 导入包并创建默认的InteractiveSession2. 构建模型2.1 网络结构2.2 学习方式和评价指标（损失函数、优化器和准确率）3. 训练 两层的全连接神经网络实现手写数字识别 1. 导入包并创建默认的InteractiveSession 下面这段代码在上一篇中有详细注释https://mp.youkuaiyun.com/mdeditor/8503860...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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