iT邦幫忙

2022 iThome 鐵人賽

0

廢廢今天參考了一篇超有用的文章np_utils.to_categorical函數裡面介紹了該函數的參數。
之前用np_utils.to_categorical(train_label, num_classes=5),因為只有5個label所以num_classes設為5,結果一直出錯說超過長度,後來就一直使用10。
但是這篇文說明了當label=[0,1,2]時,num_classes=3,所以label設定要從0開始,之前廢廢把label設成1~5所以出現錯誤,要改成0~4。

新的嘗試

  1. 參考了CNN模型AlexNet,的確有了前人嘗試的模型,準確度確實有穩定在59%。
  2. 刪除數據過小的label,0~4的label裡3的數量只有1萬6,4更是只有480個而已,因此決定試看看刪掉這兩個label,結果沒有讓我失望準確率確實穩定提升到60%

上一篇
DAY 30 混淆矩陣完成
下一篇
DAY 32 模型VGG16 & AlexNet
系列文
關於因耍廢太久而必須挑戰5個月上研究所的廢廢38
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言