提高mnist模型精确度
2023-02-19 12:20:46 时间
1、问题
在学习深度学习这门课程中,各种模型指标有一个叫精确度,精确度的意思就是说在模型完成后,测试集的结果与真实值之间的占比程度。那么我们应该如何提高整个模型的精确度呢?我们都知道深度学习模型的建立在经过一些简单的配置,默认的参数,模型在一次训练只有较低的准确率,往往在多次训练后最高也不到85%。所以我们需要一些方式来提高精确度。
2、方法
通过学习和网上查找资料,我总结出了以下几个提高准确度的技巧:网络的层数以及每一层神经元的个数,学习率的更新:随着迭代次的增加,指数下降,学习轮数的设定,参数优化,数据处理,或者新增一些优化方法,还有比较复杂的一种方法,那便是使用更加复杂的模型以达到更高的准确度,以下是代码呈现:
1.lr = tf.Variable(0.001, dtype = tf.float32)#使用变量方式,定义学习率,初始值为0.001,类型是float32
2.sess.run(tf.assign(lr,0.001*(0.95**epoch)))
每批次迭代,学习率以初始值为0.001,指数下降,利用tf.assign()的方法赋值更新
3、结语
对于提高准确度的问题,在经过多次尝试和多种方法后得出了一些结论,证明了本方法确实是有效的,虽然不能算是效果最好的一种方式,但是在后续的学习中一定能找到更好的方法来解决类似的问题,还应该不断的尝试,不断的实验寻找更优秀的方法,才能更好的提高准确度。
相关文章
- Jgit的使用笔记
- 利用Github Action实现Tornadofx/JavaFx打包
- 叹息!GitHub Trending 即将成为历史!
- 微软软了?开源社区讨论炸锅,GitHub CEO 亲自来答
- GitHub Trending 列表频现重复项,前后端都没去重?
- Photoshop Elements 2021版本软件安装教程(mac+windows全版本都有)
- (ps全版本)Photoshop 2020的安装与破解教程(mac+windows全版本都有)
- (ps全版本)Photoshop cc2018的安装与破解教程(mac+windows全版本,包括2023
- 环境搭建:Oracle GoldenGate 大数据迁移到 Redshift/Flat file/Flume/Kafka测试流程
- 每个开发人员都要掌握的:最小 Linux 基础课
- 来撸羊毛了!Windows 环境下 Hexo 博客搭建,并部署到 GitHub Pages
- 超实用!手把手入门 MongoDB:这些坑点请一定远离
- 【GitHub日报】22-10-09 zustand、neovim、webtorrent、express 等4款App今日上新
- 【GitHub日报】22-10-10 brew、minio、vite、seaweedfs、dbeaver 等8款App今日上新
- 【GitHub日报】22-10-11 cobra、grafana、vue、ToolJet、redwood 等13款App今日上新
- Photoshop 2018 下载及安装教程(mac+windows全版本都有,包括最新的2023)
- Photoshop 2017 下载及安装教程(mac+windows全版本都有,包括最新的2023)
- Photoshop 2020 下载及安装教程(mac+windows全版本都有,包括最新的2023)
- Photoshop 2023 资源免费下载(mac+windows全版本都有,包括最新的2023)
- 最新版本Photoshop CC2018软件安装教程(mac+windows全版本都有,包括2023