iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 18
0

Introduction

使用 CIFAR-10) 資料集,這個資料集包含了 8000 萬張圖像,已經分類成不同的類別。

CNTK Python API

捲積層:

def Convolution(filter_shape,        
                num_filters,         
                activation,          # 激活函式
                init,                
                pad,                 
                strides)             
)

池化層(pooling layer)作用是減少上一層輸出的大小,甚至控制輸出的大小,以加快處理速度。

# 最大化(Max pooling)
def MaxPooling(filter_shape,  
               strides,       
               pad)           

# 平均化(Average pooling)
def AveragePooling(filter_shape,  
                   strides,       
                   pad)           

捨棄層(dropout layer)是一種防止過度擬合(overfitting)的方法,例如隨機捨棄 50% 的節點,是一種簡單的方式。

def Dropout(prob)    # 捨棄機率

批次正規化(Batch normalization)是一種讓每一層的輸入值平均為 0,標準差為 1 的方法,目標是讓神經網路更快的收斂。

def BatchNormalization(map_rank)

上一篇
CIFAR-10 資料集
下一篇
自然語言理解
系列文
探索 Microsoft CNTK 機器學習工具30

尚未有邦友留言

立即登入留言