2
我正在寫一點關於Google的深度。有可能檢查與deepdream學習網絡,見research blog google與啞鈴的實例。
在該示例中,網絡被訓練識別啞鈴。然後他們使用深層次的方式來了解網絡已經學到了什麼,結果是網絡訓練不良。因爲它承認啞鈴加一隻手臂爲啞鈴。如何檢查一個訓練有素的神經網絡
我的問題是,網絡如何檢查實踐?用深情或其他方法?
最佳問候
我正在寫一點關於Google的深度。有可能檢查與deepdream學習網絡,見research blog google與啞鈴的實例。
在該示例中,網絡被訓練識別啞鈴。然後他們使用深層次的方式來了解網絡已經學到了什麼,結果是網絡訓練不良。因爲它承認啞鈴加一隻手臂爲啞鈴。如何檢查一個訓練有素的神經網絡
我的問題是,網絡如何檢查實踐?用深情或其他方法?
最佳問候
一般在機器學習您驗證獲悉網絡上你沒有在訓練過程中(測試集)使用的數據集。因此,在這種情況下,您將擁有一套用於訓練模型的有啞鈴和無啞鈴的示例,以及一套在訓練過程中沒有看到的啞鈴組(也包括啞鈴組)。
當你有你的模型時,你讓它預測版主套件的標籤。然後,這些預測標籤與實際的:
基於這四項,您可以計算諸如F1分數或準確性等度量值來計算模型的性能。 (看看下面的wiki:https://en.wikipedia.org/wiki/F1_score)