文件名称：经验研究
文件大小：661KB
文件格式：ZIP
更新时间：2024-03-05 03:35:12
JupyterNotebook
卷积神经网络架构的实证研究 抽象的 卷积神经网络是一类深层神经网络，通常用于分析视觉数据。 我将研究卷积神经网络（CNN）的不同体系结构的性能，以评估哪些调整和调优可以为我们的模型带来最佳结果。 我将构建一个定制设计的CNN，以与Alexnet和GoogLeNet架构进行比较。 所有模型都将在CIFAR-10数据集上进行训练。 结果 下表显示了不同体系结构实现的精度。 AlexNet在10,000张图像上以85％的精度表现最佳。 可以在报告中找到按类别准确性的进一步细分。 结论 总而言之，对网络体系结构所做的修改在网络性能方面将发挥重要作用。 在性能方面，在这种情况下，SGD和Adam之间使用的优化程序类型产生了最大的差异。 但是，性能的提高取决于优化器所使用的网络。 在高级CNN上，SGD优化器效果最好，而在AlexNet和GoogLeNet上，Adam优化器则对其进行了显着改进。 第
【文件预览】：
Empirical-Study-CNN-master
----Alexnet Adam Heat.png(11KB)
----CNN Empirical Study.pdf(335KB)
----Accuracies.png(10KB)
----Final-Googlenet.ipynb(100KB)
----README.md(2KB)
----Advanced tanh Heat.png(11KB)
----Final.ipynb(235KB)
----GoogleNet Adam Heat.png(11KB)
----Basic Standard Heat.png(11KB)
----Final-Alexnet.ipynb(144KB)