运用优化器提高网络测试性能

在对mnist进行网络性能测试的时候&＃xff0c;没有经过网络训练的模型预测正确结果两次出现结果不一样&＃xff0c;而且预测的结果的正确率比较低&＃xff0c;这个时候我们就在想如何提高网络的性能呢&＃xff1f;模型需要训练&＃xff0c;如何进行训练&＃xff1f;

我们在没有经过训练的时候网络测试性能比较低&＃xff0c;128个数字正确率不到百分之十&＃xff0c;这个时候我们就要想经过模型的训练来提高预测结果的正确性&＃xff0c;网络训练的过程大致是给定一个真实标签y&＃xff0c;网络训练标签y_hat&＃xff0c;我们的训练的最终目标就是使y_hat更加接近y。损失函数就是衡量y与y_hat之间的差距。运用优化器实现梯度下降算法的传播。首先我们定于一个优化器&＃xff0c;然后就定义一个损失函数&＃xff0c;然后进行网络的训练&＃xff0c;具体的代码实现结果如下&＃xff1a;

经过训练之后我们发现预测正确率大大提高&＃xff0c;在这其中&＃xff0c;我们也可以修改lr的取值&＃xff0c;它的取值不一样预测结果的正确率也会不同&＃xff0c;lr最优的取值就是预测结果正确率最优取值。

针对网络性能测试性能&＃xff0c;还得经过网络的训练才能大大的提高预测的正确率&＃xff0c;还有lr的取值也会影响预测结果的正确率&＃xff0c;最优的lr的取值还需要自己去不断实验&＃xff0c;才能提高正确率。