在FASHION-MNIST上训练CNN
案例源码链接 http://studyai.com/pytorch-1.2/beginner/fanshionmnist_tutorial.html PyTorch环境配置，Pycharm使用参考我 ...
原文：CNN训练中的技巧
转自： http: weibo.com p 说明：这个翻译应该是来自原文：http: yyue.blogspot.hk a brief overview of deep learning.html 翻译网上的哈，我觉得有很大一部分从没看到过，所以就翻译了下，如有不对的地方，欢迎指正： ：准备数据：务必保证有大量 高质量并且带有干净标签的数据，没有如此的数据，学习是不可能的 ：预处理：这个不多说，就 ...
2015-03-18 09:28 0 2151 推荐指数：
相关推荐
如何高效的通过BP算法来训练CNN
《 Neural Networks Tricks of the Trade.2nd》这本书是收录了1998-2012年在NN上面的一些技巧、原理、算法性文章，对于初学者或者是正在学习NN的来说是很受用的。全书一共有30篇论文，本书期望里面的文章随着时间能成为经典，不过正如bengio ...
loss训练技巧
一，train loss与test loss结果分析4666train loss 不断下降，test loss不断下降，说明网络仍在学习; train loss 不断下降，test loss趋于不变 ...
GAN训练技巧汇总
GAN自推出以来就以训练困难著称，因为它的训练过程并不是寻找损失函数的最小值，而是寻找生成器和判别器之间的纳什均衡。前者可以直接通过梯度下降来完成，而后者除此之外，还需要其它的训练技巧。 下面对历年关于GAN的论文提出的训练技巧进行总结，这里仅记录技巧，具体原理请直接看论文原文 ...
keras训练cnn模型时loss为nan
keras训练cnn模型时loss为nan 1.首先记下来如何解决这个问题的：由于我代码中 model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) 即损失函数 ...
CNN基础三：预训练模型的微调
上一节中，我们利用了预训练的VGG网络卷积基，来简单的提取了图像的特征，并用这些特征作为输入，训练了一个小分类器。 这种方法好处在于简单粗暴，特征提取部分的卷积基不需要训练。但缺点在于，一是别人的模型是针对具体的任务训练的，里面提取到的特征不一定适合自己的任务；二是无法使用图像增强的方法进行端 ...