tensorflow学习之三　（添加批规范化减少过拟合，提高准确率）

最新推荐文章于 2024-09-17 17:23:53 发布

xiao__run

最新推荐文章于 2024-09-17 17:23:53 发布

阅读量2.2k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：图像处理机器学习

本文链接：https://blog.youkuaiyun.com/xiao__run/article/details/91401315

图像处理同时被 2 个专栏收录

65 篇文章 ¥9.90 ¥99.00

订阅专栏

机器学习

33 篇文章 ¥29.90 ¥99.00

订阅专栏

本文通过在MNIST数据集上构建一个7层网络，演示如何运用批规范化技术，以减少过拟合并提高模型的准确性。批规范化在深度学习中被用于改善模型训练过程，增强泛化能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这我以mnist数据集为例，简单的搭建了一个７层网络，其余参数与前一博客相同，此代码结合前一篇即可完成自己的数据集训练。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True, reshape=False)

def fully_connected(prev_layer, num_units, is_training):
    #fc_layer=tf.layers.Dense(prev_layer,num_units)
    fc_layer=tf.layers.dense(prev_layer,num_units)
    fc_layer_Bn=tf.layers.batch_normalization( fc_layer,training=is_training)
    layer=tf.nn.relu(fc_layer_Bn)
    return layer
def conv_layer(pre_layer,layer_depth,is_training):
    strides = 2 if layer_depth % 3 == 0 else 1
    conv_layer_cov=tf.layers.conv2d(pre_layer,layer_depth*4,3,strides,"same",use_bias=None,activation=None)
    conv_layer_cov=tf.layers.batch_normalization(conv_layer_co

了解本专栏