神经网络实战之MNIST手写体识别
八月 03, 2020
参考资料
卷积神经网络学习笔记(本博客站内搜索)
再整理了部分吴恩达机器学习课程后 觉得有必要结合实践操作学习
在搜索了一些学习资料后找到了一个相当不错的实操教程
这里展示&分享一下最终的实践成果
经过一轮训练后正确率从7.9%变成了93.5%
用mnist数据集中的图片进行识别测试
输出结果与图片吻合
在尝试自己的手写体
在windows自带的画图软件上写的数字8 经过截取压缩预处理后(网上找到的专门针对生成类mnist图片的小程序)
进行识别显示结果为8结果与预期吻合
调整学习率LearnRate
上图是学习率learn rate = 10^x(横坐标) 与 训练集的误差平方和 (纵坐标)
表明学习率Learn_rate>10^0.5时误差显著增大 设置学习率=1比较合适
主要从这个实践教程中学习了具体如何搭建一个简单神经网络, 验证求导正确性, 如何探究学习率与正确率的关系
算法理论内涵结合吴恩达的课程对于入门的我也能理解
而整个学习过程最难的部分 “反向传播过程”的公式推倒 还得继续研究学习
不过不懂原理并不妨碍使用它，如果不深究具体推导计算 其实实现它的学习成本并不高
最后贴上开源代码
查看评论