Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
de49d2e8
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
9 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
de49d2e8
编写于
10月 20, 2019
作者:
ElamDavies
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
翻译校正,格式校验
上级
8852a2b8
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/dl-keras/handwritten-digit-recognition-using-convolutional-neural-networks-python-keras.md
...ition-using-convolutional-neural-networks-python-keras.md
+1
-1
未找到文件。
docs/dl-keras/handwritten-digit-recognition-using-convolutional-neural-networks-python-keras.md
浏览文件 @
de49d2e8
...
@@ -256,7 +256,7 @@ num_classes = y_test.shape[1]
...
@@ -256,7 +256,7 @@ num_classes = y_test.shape[1]
1.
第一个隐藏层是卷积层,称为 Convolution2D。该层具有 32 个特征图,其大小为 5×5,并具有非线性激活函数。这是输入层,预期结构轮廓在[像素] [宽度] [高度]以上的图像。
1.
第一个隐藏层是卷积层,称为 Convolution2D。该层具有 32 个特征图,其大小为 5×5,并具有非线性激活函数。这是输入层,预期结构轮廓在[像素] [宽度] [高度]以上的图像。
2.
接下来,我们定义一个池化层,它采用最大的 MaxPooling2D。池大小设置为 2×2。
2.
接下来,我们定义一个池化层,它采用最大的 MaxPooling2D。池大小设置为 2×2。
3.
下一层是使用 dropout 的正则化层,称为 Dropout。它被配置为随机消除
除
层中 20%的神经元以减少过度拟合。
3.
下一层是使用 dropout 的正则化层,称为 Dropout。它被配置为随机消除层中 20%的神经元以减少过度拟合。
4.
接下来是将 2D 矩阵数据转换为名为 Flatten 的向量的层。它允许输出由标准的完全连接层处理。
4.
接下来是将 2D 矩阵数据转换为名为 Flatten 的向量的层。它允许输出由标准的完全连接层处理。
5.
接下来是具有 128 个神经元和非线性激活函数的完全连接层。
5.
接下来是具有 128 个神经元和非线性激活函数的完全连接层。
6.
最后,输出层有 10 个类的 10 个神经元和 softmax 激活函数,为每个类输出类似概率的预测。
6.
最后,输出层有 10 个类的 10 个神经元和 softmax 激活函数,为每个类输出类似概率的预测。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录