廢廢雖然得到了新啟發，但是訓練效果依舊不好。現在就試看看各種方法了，比如：更改kernal size的大小、激活函數（activation function)、增加卷基層、更改filter（output size）、步長（strides）、dropout、正則化（regularizer）、優化函數、batch size，以上是廢廢目前所能做的所有的改變了，成效不彰。
廢廢頭又要禿了，這禮拜的目標依舊是改善訓練，順便附上差距很大的數據機集，label 4幾乎占了一半的資料：
現在廢廢考慮將label 8刪除，他簡直少到我步知道放這個下去究竟會不會影響訓練，所以廢廢目前分裂出沒有label 8的數據集來測試會不會讓訓練效果更好。
最後廢廢附上更詭異的loss和accuracy吧，異常平坦的測試集曲線，讚讚:)
iThome鐵人賽
看影片追技術