科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文基于Tensorflow深度卷积神经网络学习框架,采用Python编程语言,以MNIST数据集为样本集,构建深度卷积神经网络结构,分析深度卷积神经网络权重参数更新的4种方法,通过对比发现,进行模型训练时,选择Adam方法对目标函数进行优化,此时损失函数值达到最小值。以该目标优化函数方法完成对数据集模型训练,验证模型效果,手写数字的分类识别准确率达到99.55%。
- 单位
本文基于Tensorflow深度卷积神经网络学习框架,采用Python编程语言,以MNIST数据集为样本集,构建深度卷积神经网络结构,分析深度卷积神经网络权重参数更新的4种方法,通过对比发现,进行模型训练时,选择Adam方法对目标函数进行优化,此时损失函数值达到最小值。以该目标优化函数方法完成对数据集模型训练,验证模型效果,手写数字的分类识别准确率达到99.55%。
