如何检查一个训练有素的神经网络

Question

我正在写一点关于Google的深度。有可能检查与deepdream学习网络，见research blog google与哑铃的实例。
在该示例中，网络被训练识别哑铃。然后他们使用深层次的方式来了解网络已经学到了什么，结果是网络训练不良。因为它承认哑铃加一只手臂为哑铃。

我的问题是，网络如何检查实践？用深情或其他方法？

最佳问候

Answer 1

一般在机器学习您验证获悉网络上你没有在训练过程中（测试集）使用的数据集。因此，在这种情况下，您将拥有一套用于训练模型的有哑铃和无哑铃的示例，以及一套在训练过程中没有看到的哑铃组（也包括哑铃组）。

当你有你的模型时，你让它预测版主套件的标签。然后，这些预测标签与实际的：

• 你正确地预测一个哑铃每一次，你增加真阳性的数量，
• 的情况下，它正确地预测没有哑铃，你递增真阴性
• ，当它预测哑铃，但它不应该是一个，增加误报
• 最后，如果预测没有哑铃，量，但有一个量，就增加漏报
量

基于这四项，您可以计算诸如F1分数或准确性等度量值来计算模型的性能。 （看看下面的wiki：https://en.wikipedia.org/wiki/F1_score）