作业六:三层神经网络调参
作业六:三层神经网络调参
项目 | 内容 |
---|---|
这个作业属于的课程 | 人工智能实战2019(北京航空航天大学) |
这个作业的要求 | 三层神经网络调参使得准确率达到97%以上 |
我在这个课程的目标是 | 学习算法,积累项目经验,锻炼coding能力 |
这个作业在哪个具体方面帮助我实现目标 | 网络结构调参 |
作业正文 | 见下文 |
其他参考文献 | 微软示例代码 |
- 参数列表
learning_rate = 0.1
n_hidden1 = 64
n_hidden2 = 32
n_output = 10
m_epoch = 20
batch_size = 10
- loss值
Training...
0 0 2.365967167738528
0 1000 0.3705471565763704
0 2000 0.2968929843562466
0 3000 0.2768181568043971
0 4000 0.2769298081518756
0 5000 0.20229556846367952
1 0 0.20473064654012896
1 1000 0.17747696806635171
1 2000 0.17448758001107806
1 3000 0.1458820252496388
1 4000 0.13488213811744795
1 5000 0.14178600016219847
2 0 0.11924430325654066
2 1000 0.11823632981523927
2 2000 0.10466711935608312
2 3000 0.09690798841469707
2 4000 0.1054450601996394
2 5000 0.09141282666616717
3 0 0.08512206621957787
3 1000 0.08134758945885301
3 2000 0.08079494742634433
3 3000 0.07744782578623585
3 4000 0.07846162835809883
3 5000 0.0834737002383117
4 0 0.07660135384309502
4 1000 0.07938094457948978
4 2000 0.07314046793685994
4 3000 0.060073795843813095
4 4000 0.06519457828026326
4 5000 0.0567827356719652
5 0 0.062291024098624394
5 1000 0.060717292039217934
5 2000 0.07622065036081846
5 3000 0.06009081002140225
5 4000 0.0639742997761018
5 5000 0.04709479640683466
6 0 0.05159208519889524
6 1000 0.050408507653091246
6 2000 0.05017886909365126
6 3000 0.05544255131795874
6 4000 0.043737823546847875
6 5000 0.04460643603791521
7 0 0.04071934344142585
7 1000 0.048023546332402786
7 2000 0.04145921304221473
7 3000 0.047589114575874336
7 4000 0.04676366714824657
7 5000 0.03542622592512055
8 0 0.03400148160600913
8 1000 0.03342435099019904
8 2000 0.034610980979111264
8 3000 0.03332823561939084
8 4000 0.03244703498166728
8 5000 0.03060806351862198
9 0 0.03661552920907969
9 1000 0.03785290693818749
9 2000 0.03473284214839406
9 3000 0.028365696751904798
9 4000 0.03041153739039767
9 5000 0.027275411459821153
10 0 0.03445160084509609
10 1000 0.029163475947336932
10 2000 0.026928084973350346
10 3000 0.027168617924880727
10 4000 0.03478299521306398
10 5000 0.02737250469758063
11 0 0.02391659245128204
11 1000 0.026938317873681047
11 2000 0.030179491875243707
11 3000 0.021307176594092505
11 4000 0.02806023460631529
11 5000 0.021699915964832613
12 0 0.02278407567482845
12 1000 0.018502750899822982
12 2000 0.021141772795036443
12 3000 0.024422855619787343
12 4000 0.024908135073988598
12 5000 0.021893702981911695
13 0 0.015487115121507787
13 1000 0.0355213308675625
13 2000 0.015415391507421317
13 3000 0.014654402846426749
13 4000 0.015177565758834367
13 5000 0.013436224749308057
14 0 0.013804307111673155
14 1000 0.013215225452771697
14 2000 0.013873577332203384
14 3000 0.014518721039673927
14 4000 0.012635620532465136
14 5000 0.015194824170732882
15 0 0.018442427643907546
15 1000 0.013243188863643864
15 2000 0.011964339227872219
15 3000 0.012163130210012628
15 4000 0.011593767231083012
15 5000 0.012015631609387099
16 0 0.010040324117794744
16 1000 0.008628425598359107
16 2000 0.010560716895814296
16 3000 0.012269255102861329
16 4000 0.011048067938776605
16 5000 0.009338087598888285
17 0 0.01000959880661774
17 1000 0.007542294694874361
17 2000 0.009516827739635603
17 3000 0.008024789752945691
17 4000 0.007993660967225452
17 5000 0.007924752489695899
18 0 0.008618808452095948
18 1000 0.005652521597250376
18 2000 0.006339673717524338
18 3000 0.00857483375185124
18 4000 0.006084019193237702
18 5000 0.009504792132327626
19 0 0.009102103037780801
19 1000 0.00681834800937235
19 2000 0.007513607083351679
19 3000 0.005830122261244828
19 4000 0.006562970894283464
19 5000 0.007756608817995327
-
loss下降曲线
-
最终准确度结果
Testing...
rate=9772 / 10000 = 0.9772