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
8 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]
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。
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。
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。
...
...
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