CNN参数设置经验
CNN中比较重要的参数有：学习率、优化器、迭代次数、批次大小、激活函数、隐含神经元层数、权重初始化、Dropout方法、正则化、批归一化、
学习率：采用哪种学习率取决于所选择优化算法的类型，如SGD、Adam等
优化器：Adam效果很好
迭代次数：当训练集精确度和测试集精确度相差不大时，可以认为当前迭代次数合理，否则要增大迭代次数
批次大小：一般来说batch_size越小，精确度越高，很多task中的精确率结果的batch_size= 1（CNN网络对批次大小的调整十分敏感）
激活函数：一般来说，在CNN网络中ReLU激活函数的表现最好
隐层层数：实验表明，神经网络的层数越多，网络训练效果越好（但没有证据表明，层数少的效果不好）
权重初始化：通常使用小随机数初始化网络权重，以防产生不活跃的神经元，均匀分布的效果比较好
dropout：一般在0.4-0.5中表现很好，只需要最后一层softmax 前用基本就可以了
正则化：按照实际问题进行选择。
BN层：在一般的神经网络中，BN+RELU可以改善百分之九十五的训练结果
尽量对数据做shuffle
多使用tensorboard 有效监控网络，帮助优化参数
参考文章《CNN经验大全》
相关知识
拍宠物不糊｜参数设置来咯
鸟类视频的拍摄与照片拍摄方法、参数设置几乎完全不一样
PyTorch猫狗：深度学习在宠物识别中的应用
被外交部数次点名批评的蓬佩奥，竟因“公器私用”被调查了
基于卷积神经网络通过声音识别动物情绪的方法及系统
宠物DR有什么优势，使用时要注意哪些问题
宝藏经验
探索AIDog：智能狗狗识别与行为理解的开源项目
经验分享
豪润奇兽用红外线测温仪/兽用红外线体温计HRQ
网址: CNN参数设置经验 https://m.mcbbbk.com/newsview148535.html
| 上一篇: 全国首创！应急工程、消防工程可以 |
下一篇: BSET生物反馈悬吊康复评估训练 |
