: 我原本以為...BP會把一切問題都解決的...輸出結果錯誤，所以就把權重修正到合理範圍
:
: ，但沒想到...原來BP好像有個修正的極限(?
:
: 其實其實我窩窩當初是想要做成CNN的，但研究一段時間不知道怎寫出來，
:
: 資料好像也不合適，所以才放棄的>////<
:
: 因為我當時剛接觸時，手邊資料很亂...我基本上要再3天內實做出基本能跑的DL...
:
: 所以工具看到了就用...沒想到有名的Google出的工具這底層，
:
: 其實我也是現在才接觸到Keras的，或許我當初早點接觸到，就不會用TF了 >"<
: ※ 編輯: 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 影像分類 分十類 對初學者來說還不錯
train data 有 5 萬張 image, test data 有 30 萬張 image
我用的是 Keras - VGG16 我也有提供 train 好的 weight
篇幅蠻長的 我有詳細寫下每個 layer 所代表的意義
如何架設自己的 CNN or 使用 Keras 的 VGG, 並且載入 Keras 提供的 weights
我也是剛學 有些地方有小錯誤 如果有疑問歡迎討論
PS :
其中一段的 loss 使用 binary_crossentropy
雖然跑得動 但不太合理 因為這是多元分類
近期會改成 categorical_crossentropy
並重新上傳 weight
其實我預測的準確率只有 87% 感覺不夠好
如果版上大大有更好的方法 可以提供給我嗎? 謝謝