卷积神经网络架构的实证研究 抽象的 卷积神经网络是一类深层神经网络,通常用于分析视觉数据。 我将研究卷积神经网络(CNN)的不同体系结构的性能,以评估哪些调整和调优可以为我们的模型带来最佳结果。 我将构建一个定制设计的CNN,以与Alexnet和GoogLeNet架构进行比较。 所有模型都将在CIFAR-10数据集上进行训练。 结果 下表显示了不同体系结构实现的精度。 AlexNet在10,000张图像上以85%的精度表现最佳。 可以在报告中找到按类别准确性的进一步细分。 结论 总而言之,对网络体系结构所做的修改在网络性能方面将发挥重要作用。 在性能方面,在这种情况下,SGD和Adam之间使