weixin_44677658的博客

今天学习了神经网络性能的提高方法，单纯了解了基本脉络，具体应用有待后续编写程序的检验首先影响神经网络性能最为常见的就是过拟合和欠拟合问题，二者区分的话，也比较简单，如果在训练集的性能好，测试集性能差就是过拟合，训练集效果也差就是欠拟合。欠拟合的处理，需要考虑是模型的选择是否合理还是优化函数的选择问题，过拟合的处理则可以从数据和模型两个角度来考虑。过拟合的处理1.最简单往往最有效，增加数据，用更多数据训练就完了2.数据加强，现实往往是残酷的，没有那么多数据让我们训练怎么办？那就造数据，但也不能凭空捏造

这次主要记录一下Keras神经网络的入门学习，使用是MLP神经网络，数据集使用的是MNIST手写数据集,代码的实现主要是来自李易的深度学习算法入门一书step1 数据的处理本部分包括数据的处理与分割，mnist数据集共有60000张手写数字图片，其中训练图片50000张，测试图片10000张，为方便数据的处理需要对数据进行归一化，将数据范围映射到0-1之间，其次需要在训练数据集中选择10000个作为验证集#load datadef load_dataset(): (X_train,y_tra

最近毕业设计需要用到keras，简单做个记录，以备不时之需首先介绍一下keras-Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行，所以画重点-keras一定要配置好tensorflow包，只有keras是不行滴下面以线性回归为例，将大体步骤熟悉一下step1：导入模块和数据import matplotlib.pyplot as pltfrom keras.layers import Densefrom