《Keras深度學習實戰》—3.8.2　怎么做

3.8.2　怎么做

和前幾節一樣，利用適當的網絡拓撲創建一個序貫模型。本節中使用的優化器是Keras中的AdaDelta實現：

AdaDelta優化器

Keras文檔中建議將此優化器的參數保留為默認值。

優化器的初始化參數：

lr：大于等于0的浮點數，表示學習率。建議將其保留為默認值。

rho：大于等于0的浮點數。

epsilon：大于等于0的浮點數，表示模糊因子。如果未指定（None），則默認為K.epsilon()。

decay：大于等于0的浮點數，表示每次數據更新時，衰減的學習率。

這里創建了一個具有兩個隱藏層，丟棄率為0.2的網絡。

該模型使用的是AdaDelta優化器。

以下是上述代碼的輸出：

繪制AdaDelta的模型準確率曲線：

基于AdaDelta優化器的訓練集準確率和測試集準確率：

同樣，AdaDelta的模型損失曲線如下所示：

AdaDelta的最終測試損失和測試準確率計算如下：

上述程序的輸出顯示如下：

使用AdaDelta獲得的準確率高于SGD、Adam的結果，大約為0.9846。

Keras 深度學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。