摘要:
训练过程的可视化在深度学习模型训练中扮演着重要的角色。学习的过程是一个优化的过程,我们需要找到最优的点作为训练过程的输出产物。一般来说,我们会结合训练集的损失函数核验证集的损失函数,绘制两条损失函数的曲线来确定训练的终点,找到对应的模型用于测试。那么除了记录训练中每个epoch的loss值,能否实现 阅读全文
摘要:
卷积神经网络(CNN)是深度学习中非常重要的模型结构,它广泛地用于图像处理,极大的提升了模型表现,推动了计算机视觉地发展和进步。但CNN是一个黑盒模型,人们并不知道CNN是如何获得较好表现得,由此带来了深度学习的可解释性问题。如果能理解CNN工作的方式,人们不仅能够解释所获得的结果,提升模型的鲁棒性 阅读全文
摘要:
随着深度神经网络发展,网络变得越来越复杂,我们也很难确定每一层的输入结构,输出结构以及参数等信息,这对我们搭建网络以及后期debug都造成了一定的难度。因此掌握了一个可以用来可视化网络结构的工具是很重要的。类似的功能在另一个深度学习库Keras中可以调用一个叫做model.summary()的API 阅读全文