python - 了解 scikit 神经网络参数

Question

关闭。此题需要 details or clarity 。目前不接受答案。

---

想要改进这个问题吗？通过 editing this post 添加详细信息并澄清问题.

已关闭 7 年前。

Improve this question

我一直在尝试训练神经网络来识别我拥有图像的三种类型的标签(圆形、矩形和空白)。我使用设置的示例来识别提供的数字数据集 here并发现我几乎不需要任何调整就获得了 75% 的正确预测率(前提是我的图像使用滤镜等进行了一定程度的预处理)。

我有兴趣了解更多的是分类器部分(下面的代码)。我不确定不同的卷积和层选项的作用以及我有哪些选项可以调整它们。有人对我可以用来尝试提高预测准确性的其他卷积或层有什么建议吗？它们的含义是什么？很抱歉含糊其辞，这是我第一次接触神经网络，并且正在努力理解它。

nn = Classifier(
    layers=[
        Convolution('Rectifier', channels=12, kernel_shape=(3, 3), border_mode='full'),
        Convolution('Rectifier', channels=8, kernel_shape=(3, 3), border_mode='valid'),
        Layer('Rectifier', units=64),
        Layer('Softmax')],
    learning_rate=0.002,
    valid_size=0.2,
    n_stable=10,
    verbose=True)

Answer 1

我会推荐优秀的video course作者:雨果·拉罗谢尔 (Hugo Larochelle) 在 YouTube 上。 The 9th chapter是关于卷积网络并解释了所有参数。您可以从前两章开始，它们解释了神经网络的一般工作原理，并且您将习惯诸如 softmax 和 rectifier 之类的术语。

另一个好资源:Andrej Karpathy's lecture notes