首页
学习
活动
专区
工具
TVP
发布

深度学习框架

专栏作者
32
文章
13108
阅读量
12
订阅数
图像之场景分类 实验研究
最后一起看下训练的结果日志,如下图所示,可以看到 testAcc = 93.86%,此处用的是双卡 2080Ti,比单卡来说,训练的 batch_size 更大,所以准确率略微提升:
XianxinMao
2021-09-01
4420
图像分类-cifar100 实验研究
为了解决 cifar100 val_acc 过低的问题,本质上是过拟合问题,所以特地去 papers with code 网站上看了下 cifar100 benchmark 目前第一名做到了多少,如下图所示,val_cc = 0.96,有点东西哈,所以目前要做的是研究 SAM (Sharpness-Aware Minimization),主要用于提升模型的泛化性。
XianxinMao
2021-08-25
1.3K0
图像分类-flower_photos 实验研究
flower_photos 数据量比较小,所以 simple_cnn 可以在 trainset 上拟合到 0.99,意思就是数据复杂度 < 模型复杂度
XianxinMao
2021-08-22
5250
Tensorflow随笔(三)
上图我们可以发现,对于simple_cnn来说,数据增强有很明显的作用,可以显著提高val_acc,也就是模型的泛化性。
XianxinMao
2021-08-10
2170
Convolutional Neural Network (CNN)
我自己写的代码和该教程略有不一样,有三处改动,第一个地方是用归一化(均值为0,方差为1)代替数值缩放([0, 1]),代替的理由是能提升准确率
XianxinMao
2021-08-01
2640
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档