文件名称：batchnorm:批量标准化
文件大小：12.31MB
文件格式：ZIP
更新时间：2024-06-18 14:12:45
Python
批量标准化 文件夹： MNIST ----- 存储MNIST数据库 src ----- 源文件 结果 --- 结果被转储的地方 算法文档：algo.pdf 详细的反向传播算法可以在 algo.pdf 文件中找到。 init_conf.py文件预处理 MNIST 数据库。 它所做的是将 [0,255] 缩放到 [0,1]。 它还初始化网络参数，包括： 网络拓扑结构 随机权重、偏差、伽马（仅用于原始批量归一化） 训练集和测试集的大小 神经网络有三个版本。 基线.py：基线代码。 bn_v0.py：Ioffe & Szegedy 提出的批量标准化。 在这段代码中，推断是通过真实的总体平均而不是移动平均来完成的。 例如，在每个 epoch 之后，网络参数被冻结，进行前馈以获得 WU 的均值和方差。 默认设置使用 3 个时期和大小为 60 的小批量来获取总体均值和方差。 然后使用这些量
【文件预览】：
batchnorm-master
----MNIST()
--------train-images-idx3-ubyte.gz(9.45MB)
--------train-labels-idx1-ubyte.gz(28KB)
--------t10k-labels-idx1-ubyte.gz(4KB)
--------t10k-images-idx3-ubyte.gz(1.57MB)
----results()
--------bnv0_accuracy.pickle(3KB)
--------bnv0_TestSet.png(42KB)
--------bnv1_TestSet.png(46KB)
--------baseline_accuracy.pickle(3KB)
--------bnv1_accuracy.pickle(3KB)
--------baseline_TestSet.png(41KB)
----src()
--------network_bn_v1.py(11KB)
--------init_conf.py(2KB)
--------network_bn_v0.py(13KB)
--------get_code_ver.py(198B)
--------data_loader.py(2KB)
--------network_baseline.py(10KB)
--------dbutils.py(3KB)
--------baseline.py(5KB)
--------algo.pdf(197KB)
--------initial_conf.pickle(1.31MB)
--------bn_v0.py(5KB)
--------bn_v1.py(5KB)
--------gen_nn_jobs.py(2KB)
----README.md(2KB)