: 我原本以为...BP会把一切问题都解决的...输出结果错误，所以就把权重修正到合理范围
:
: ，但没想到...原来BP好像有个修正的极限(?
:
: 其实其实我窝窝当初是想要做成CNN的，但研究一段时间不知道怎写出来，
:
: 资料好像也不合适，所以才放弃的>////<
:
: 因为我当时刚接触时，手边资料很乱...我基本上要再3天内实做出基本能跑的DL...
:
: 所以工具看到了就用...没想到有名的Google出的工具这底层，
:
: 其实我也是现在才接触到Keras的，或许我当初早点接触到，就不会用TF了 >"<
: ※ 编辑: st1009 (1.163.135.24), 09/22/2017 11:27:23
看到原 PO 最近的回文 CNN 方面
https://github.com/f496328mm/cifar10_vgg16_kaggle
以上我做 CIFAR-10 影像分类 分十类 对初学者来说还不错
train data 有 5 万张 image, test data 有 30 万张 image
我用的是 Keras - VGG16 我也有提供 train 好的 weight
篇幅蛮长的 我有详细写下每个 layer 所代表的意义
如何架设自己的 CNN or 使用 Keras 的 VGG, 并且加载 Keras 提供的 weights
我也是刚学 有些地方有小错误 如果有疑问欢迎讨论
PS :
其中一段的 loss 使用 binary_crossentropy
虽然跑得动 但不太合理 因为这是多元分类
近期会改成 categorical_crossentropy
并重新上传 weight
其实我预测的准确率只有 87% 感觉不够好
如果版上大大有更好的方法 可以提供给我吗? 谢谢