使用神经网络模型，实现对MNIST手写数字数据集的识别，并测试模型性能，记录和分析结果。
要求：
(1)编写代码实现上述功能；
(2)记录实验过程和结果：
调整超参数和训练参数，使模型在测试集达到最优的性能，并以恰当的方式记录和展示实验过程和结果。
(3)分析和总结：
这个模型中的超参数有哪些？训练参数有哪些？结合训练过程，说明它们对模型性能的影响。
(4)保存上述训练好的模型，并使用它对自制的手写数字图像的识别(自制的手写数字图像见期中试题题目二)。
① 代码
讯享网
② 结果记录
讯享网
③ 实验总结
使用神经网络模型，实现对Fashion MNIST数据集的分类，并测试模型性能，记录和分析结果。
要求：
(1)编写代码实现上述功能；
(2)记录实验过程和结果：
调整超参数，综合考虑准确率、交叉熵损失、和训练时间等，使模型在测试集达到最优的性能，并以恰当的方式记录和展示实验结果。
(3)分析和总结：
这个模型中的超参数有哪些？简要说明你寻找**超参数的过程，并对结果进行分析和总结。
① 代码
讯享网
② 结果记录
③ 实验总结
② 实验结果
4.实验小结&讨论题
请结合题目1-3回答下述问题：
①什么是小批量梯度下降法？每个小批量中的样本数对迭代次数有何影响？
答：小批量梯度下降，是对批量梯度下降以及随机梯度下降的一个折中办法。 其思想是：每次迭代 使用 batch_size 个样本来对参数进行更新。在小批量梯度下降法中，每个批中的所有样本共同决定了本次迭代中梯度的方向。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/184146.html