Введение Тонкая настройка играет большую роль в обучении модели, и понимание значения каждого гиперпараметра позволяет добиться успеха. В этом посте я собираюсь показать вам, как я достиг 99% точности распознавания рукописных чисел MNIST, просто настроив три гиперпараметра. Я также пытаюсь реализовать с нуля классическую модель CNN, LeNet-5, чтобы познакомить меня со структурой и основными компонентами модели CNN. Более того, я построю свою модель LeNet-5 в Flux.jl , чтобы показать..

В предыдущих статьях мы узнали о классических архитектурах сверточных нейронных сетей (CNN) ( LeNet-5 , AlexNet , VGG16 и ResNets ). Мы создали все модели с нуля с помощью Keras, но не обучали их, потому что обучение таких глубоких нейронных сетей требует больших затрат и времени на вычисления. Но благодаря трансферному обучению, когда модель, обученная одной задаче, может быть применена к другим задачам. Другими словами, модель, обученную одной задаче, можно настроить или..