Machine Learning - Programming Asssignment2

嘗試了 MLP ，但因 CNN 在圖像辨識上有明顯的優勢，最後選擇使用 CNN 完成

dim_ordering = th

輸入數據格式為[samples][channels][rows][cols]  

channels = 1

灰階圖片  

seed 隨機種子 = 7

使每次執行結果相同  

model.add - Convolution2D 2D卷積層 :
filter 過濾器 = 30個
row 過濾器行數 = 5
col 過濾器列數 = 5
border_mode 採集圖片邊緣特徵的模式 = valid
activation 激勵函數 = relu

model.add - MaxPooling2D 匯集層 :
pool_size 窗口大小 = 2*2

model.add - Dropout = 0.2

隨機踢出的機率  

model.add - Flatten 平化層

將二維陣列轉換為一維陣列  

model.add - Dense 全連接層 (隱藏層) :
input_dim 輸入節點數量 = 784個
init 權重初始化 = normal
activation 激勵函數 = relu

model.add - Dense 全連接層 (輸出層) :
init 權重初始化 = normal
activation 激勵函數 = softmax

model.compile :
loss 誤差 = categorical_crossentropy

即為 Logarithmic 函數  

optimizer 優化器 = adam

ADAM 梯度下降法  

model.fit :
epochs 訓練週期 = 10
batch_size = 200

每處理200個圖片進行一次權重更新  

verbose = 2

每個訓練週期完成後只輸出一條日誌  

• ACC成果不理想
• overfitting

也許是因為已經有了一次的經驗，加上上學期上過人工智慧，所以這次Github的操作和MNIST的訓練順利很多，少數幾個癥結點是一開始參數設定不太理想，導致結果的準確度不太高，經過多次實驗，加上上網找一些文章，一步一腳印的訓練出這次滿意的結果，CNN真的無所不在，希望還能再學多一些。