2
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。如何检查一个训练有素的神经网络
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
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。如何检查一个训练有素的神经网络
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
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:
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)