ব্যাকপ্রপের সময় সিএনএন-এর ফিল্টার ওজন পরিবর্তন না করার প্রভাব


10

ব্যাকপ্রসারণের সময় কোনও সিএনএন-এর ফিল্টার ওজন পরিবর্তন না করার প্রভাব কী? এমএনআইএসটি ডেটাসেটের প্রশিক্ষণ নেওয়ার সময় আমি কেবলমাত্র সম্পূর্ণ সংযুক্ত স্তর ওজনকে পরিবর্তন করেছি এবং এখনও প্রায় 99 শতাংশ নির্ভুলতা অর্জন করেছি।


আকর্ষণীয়, আপনি কি এলোমেলো ওজন দিয়ে শুরু করেছিলেন, বা কোনও পূর্ববর্তী কোনও নেটওয়ার্ক থেকে ওজন ব্যবহার করেছেন? এছাড়াও প্রশিক্ষণ সেট থেকে আপনার সঠিকতা পরিমাপ, বা একটি হোল্ড আউট পরীক্ষা সেট থেকে?
নিল স্লেটার

@ নীল স্লেটার: আমি এলোমেলো গাউসিয়ান ওজন দিয়ে শুরু করেছি ura
অভিসেক দাশ

@ নীল স্লেটার: ফিল্টারগুলির বিভিন্ন সূচনা সহ এমনকি নির্ভুলতা প্রায় একই রকম রয়েছে। আমি ২ টি কনভ্যুশল এবং সর্বাধিক পুল স্তর এবং ২৫
F

উত্তর:


12

কোনও সিএনএন এর কনভোলশনাল স্তরগুলির ওজন পরিবর্তন না করে আপনি প্রয়োজনীয়ভাবে আপনার শ্রেণিবদ্ধকারীকে (সম্পূর্ণ সংযুক্ত স্তর) এলোমেলো বৈশিষ্ট্যগুলি খাওয়ান (অর্থাত্ শ্রেণিকরণের কাজটির জন্য অনুকূল বৈশিষ্ট্যগুলি নয় )।

এমএনআইএসটি একটি সহজ পর্যাপ্ত চিত্র শ্রেণিবদ্ধকরণ কাজ যা আপনি কোনও বৈশিষ্ট্য নিষ্কাশন ছাড়াই কোনও শ্রেণিবদ্ধকে ইনপুট পিক্সেলগুলি বেশ পরিমাণে খাওয়াতে পারেন এবং এটি এখনও 90 এর দশকে উচ্চতর হবে। তদতিরিক্ত, সম্ভবত পুলিং স্তরগুলি কিছুটা সহায়তা করে ...

ইনপুট চিত্রটিতে একটি এমএলপি প্রশিক্ষণের চেষ্টা করুন (কনভ / পুল স্তর ব্যতীত) এবং এটি কীভাবে যায় তা দেখুন। এখানে একটি উদাহরণ রয়েছে যেখানে কোনও এমএলপি (1 লুকানো এবং 1 আউটপুট স্তর) কোনও প্রিপ্রসেসিং / বৈশিষ্ট্য নিষ্কাশন ছাড়াই 98 +% এ পৌঁছেছে।


সম্পাদনা:

আমি লিখেছি এমন অন্য জবাবের দিকেও আমি উল্লেখ করতে চাই , যা এমএনআইএসটি একটি চিত্র শ্রেণিবদ্ধকরণ কাজ হিসাবে এত সহজ কেন more

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.