1、Alexnet与mnist、cifar10
2、LSTM与经典数据集
3、VGG与经典数据集
4、各种深度学习模型调参技巧的运用
- 建立一个baseline，使网络能跑起来，输出训练精度和测试精度
- 添加dropout层，优化网络
- 添加记录损失函数值的功能，加入损失函数的集合，观察训练效果
- 改变keep_prob值，观察实验效果
- 添加学习率的优化及改进
- 在权重参数上实现L2正则化，加入损失函数的集合，观察训练效果
- 添加tensorboard，进行网络可视化
- 保存模型参数
- 预加载模型参数进行预测
-
Notifications
You must be signed in to change notification settings - Fork 0
1427832045/code
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
各个经典深度学习模型与经典数据集的搭配实战
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published