به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام
من مدل 1d cnn، رو پیاده سازی کردم، از دو لایه cov1d بعد maxpooling با اندازه 2 , و بعد flatten, dense.

model = Sequential()
model.add(Conv1D(2,2,activation='tanh',input_shape=(width, depth)))
model.add(Conv1D(2,2,activation='tanh',input_shape=(width, depth)))
model.add(MaxPooling1D(pool_length=2))
model.add( Flatten() )
model.add( Dense(128, kernel_initializer='normal', activation='relu') )
model.add( Dense(1, activation='sigmoid', name='output') )

این به من acuracy 84 میده، چی رو تغییر بدم که دقتش بالا بره نزدیک به نود درصد

توسط (113 امتیاز)
دقتی که میگیرید ارتباط مستقیم با تنظیمات optimizer شما داره . سعی کنید از انواع مختلف استفاده کنید مثل adam یا rmsprop یا adadelta تا اینطور بتونید از همین معماری فعلی تا جای ممکن بهره ببرید .
بعد از اینکه به حد بالایی یه معماری رسیدید میتونید شروع به اعمال تغییرات در معماری کنید مثلا عمیقترش کنید از بچ نرمالیزیشن استفاده کنید یا تغییراتی در توابع فعالسازی ایجاد کنید. مثلا از relu استفاده کنید بجای tanh یا سیگموید (البته بسته به ماهیت کار شما داره )
سلام

ببخشید بچ نرمالیزیشن یعنی چیکار باید انجام بدم؟ چون الان داده های من بین 0 تا 255 نیستن که بخوام به 255 تقسیم کنم که بین 0 و 1 قرار بگیرن
از لایه batch-normalization استفاده کنید. داستان این لایه طور دیگه اس. همینجا هم قبلا سوال شده میتونید سرچ کنید و در مورد این لایه اطلاعات بیشتری بدست بیارید. فعلا تو تنسورفلو یا کراس بچ نرمالیزیشن رو سرچ و استفاده کنید (البته بعد از موارد دیگه که اول گفتم )
ایا همیشه استفاده از بچ نرمالیزیشن باعث افزایش accuracy میشه؟؟

لطفا وارد شده یا عضو شوید تا بتوانید سوال بپرسید

...