python人脸识别数据训练,python卷积神经网络 可视化

  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。

留言与评论(共有 条评论)
   
验证码: