（一） 初始训练模型参数
模型结构：7 x 7conv(stride=2) > 3 x 3maxpool(stride=2)
模型参数：学习率=0.01，epoch=100，mini-batch =128
损失函数：交叉熵损失函数（categorical_crossentropy）
优化器：SGD，Momentum=0.9
数据增强：无
（二） 改进训练模型
1.调整模型结构
2.调整模型结构
3.调整batch_size
Batch_size=128 >> Batch_size=100
相应调整学习率 LR=0.008
（测试精确度84.3%）
4.数据增强（data augmentation）
5.调整模型结构
6.调整模型结构
7.数据增强
增加cutout
相应epoch增加到200
（测试精确度93.7%）
8.调整学习率
LR=0.008 > LR=0.004 >LR=0.002 >…
根据最高测试精确度5个epoch不变就学习率乘以0.5
（测试精确度94.08%）
9.数据增强
加入随机旋转（-60，60）
根据最高测试精确度5个epoch不变就学习率乘以 0.8
（测试精确度92.4%）
10.调整模型结构
11.调整模型结构
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/192842.html