python人脸识别数据训练,python卷积神经网络 可视化
本文介绍如何使用由大蟒编写的卷积神经网络代码（使用axdby玩的声音),以及如何比较卷积神经网络与常规神经网络预测的效果。
这个例子是一个经典的识别手写数字识别手写的人工智能程序。以下手写数字分别表示504192。该程序训练此类样本，并通过测试集验证正确率。
稍后我会单独写文章介绍卷积神经网络的原理。
准备：
安装虚拟机
点安装虚拟件
创建包封/包围（动词包围的简写)
虚拟新闻
镉新冠
源绑定/激活
安装Theano库
点安装天线
下载代码
克隆https://github.com/m尼尔森/神经网络和深度学习
卷积神经网络位于src/network3.py上。作者编写代码后，Theano库更新，向下采样被丢弃，因此网络3.py需要进行两处修改。 "#"之后是原始代码，没有"#"的是修改后的代码。
#来自没有。张量。信号输入下降示例
来自没有。张量。信号。池导入池_ 2d。
# pooled _ out=向下采样。max _ pool _ 2d(input=conv _ out，ds=self.poolsize，ignore_border=True))
pooled _ out=pool _ 2d(input=conv _ out，ws=self.poolsize，ignore_border=True))
进入大蟒
镉神经网络和深度学习/src
phtyon
普通神经网络
使用常规的全连接层模型训练各种参数。每个参数的意思是稍后专门写文章介绍。也请参考作者的书。
单隐藏层
100隐藏新闻
60个时代
学习速率：=0.1
迷你批量：10个
无规则化
首先通过普通神经网络训练，执行指令：
导入网络3
来自网络3导入网络
来自网络3 importconvpoollayer、FullyConnectedLayer、SoftmaxLayer
训练数据，验证数据，测试数据=网络3。加载数据共享（
mini_batch_size=10
网络=网络([
fullyconnectedlayer(n_in=784，n_out=100)，
softmaxlayer(n_in=100，n_out=10 ) ]，mini_batch_size)。
网SGD(training_data，60，mini_batch_size，0.1
验证数据、测试数据)
执行结果
训练小批量编号0
培训迷你批号1000
培训小批量2000
培训迷你批号3000
培训迷你批号4000
纪元0:验证加速92.62 %
这是最佳验证准确日期。
相应的准确率为92.00 %
培训迷你批号5000
培训迷你批号6000
培训迷你批号7000
培训迷你批号8000
培训迷你批号9000
纪元1:验证加速94.64 %
这是最佳验证准确日期。
相应的准确率为94.10 %。
培训小批量295000
培训小批号296000
培训小批号297000
培训迷你批号298000
培训小批号299000
纪元59年：验证加速97.76 %
这是最佳验证准确日期。
相应的准确率为97.79 %
完成培训网络。
获得了97.76 %的最佳验证准确率
相应的准确率为97.79 %
准确率为97.79%,或错误率为2.21%
卷积神经网络
使用卷积模型训练各种参数如下。
5个本地接收字段：5x 5
步幅：1
功能映射： 20
最大轮询层
2个共用窗口：
执行命令
网络=网络([
convpoollayer(image _ shape=(mini _ batch _ size，1，28，28)，
过滤器形状=(20,1,5,5),
poolsize=(2，2)，
fullyconnectedlayer(n _ in=20 * 12 * 12，n_out=100)，
softmaxlayer(n_in=100，n_out=10 ) ]，mini_batch_size)。
网SGD(training_data，60，mini_batch_size，0.1
验证数据、测试数据)
输出功率
训练小批量编号0
培训迷你批号1000
培训小批量2000
培训迷你批号3000
培训迷你批号4000
纪元0:验证加速94.18 %
这是最佳验证准确日期。
相应的准确率为93.43 %
培训迷你批号5000
培训迷你批号6000
培训迷你批号7000
培训迷你批号8000
培训迷你批号9000
纪元1:验证加速96.12 %
这是最佳验证准确日期。
相应的准确率为95.85 %。
培训小批量295000
培训小批号296000
培训小批号297000
培训迷你批号298000
培训小批号299000
纪元59年：验证加速98.74 %
完成培训网络。
获得了98.74 %的最佳验证准确率
相应的准确率为98.84 %
命中率为98.84%,或者错误率为1.16%,错误率几乎下降了一半！
相关报道
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。