人工智能实战-第六次作业-徐浩原

一.作业要求

a. 将模型准确度调整至>97%

b. 整理形成博客，博客中给出参数列表和对应值

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

c. 给出最终的loss下降曲线

d. 给出最终准确度结果

项目	内容
这个作业属于哪个课程	人工智能实战
我在这个课程的目标是	将人工智能技术与本专业知识联系
这个作业在哪个具体方面帮助我实现目标	了解多层神经网络的运用过程
作业正文	链接

二.核心代码

主函数
参数设定：
学习率：0.1
隐藏层1神经元数：64
隐藏层2神经元数：16
epoch次数：16

if __name__ == '__main__':

    print("Loading...")
    learning_rate = 0.1
    n_hidden1 = 64
    n_hidden2 = 16
    n_output = 10
    dataReader = LoadData(n_output)
    n_images = dataReader.num_example
    n_input = dataReader.num_feature
    m_epoch = 16
    batch_size = 10
    dict_Param = InitialParameters3(n_input, n_hidden1, n_hidden2, n_output, 2)
    dict_Param = Train(dataReader, learning_rate, m_epoch, n_images, n_input, n_output, dict_Param, forward3, backward3, update3, batch_size)
    SaveResult(dict_Param)
    Test(dataReader, n_output, dict_Param, n_input, forward3)

三.结果展示

1. 误差曲线：
   
2. 检验集结果：

Testing... rate=9739 / 10000 = 0.9739

满足要求

三.其他测试结果及结论

学习率为变量：

标号	学习率	隐藏层1神经元数：	隐藏层2神经元数：	epoch次数：	测试集正确率
1	0.1	64	16	16	97.39%
2	0.2	64	16	16	97.59%
3	0.4	64	16	16	96.78%
4	0.8	64	16	16	96.17%
5	1.6	64	16	16	90.64%

epoch次数为变量：

标号	学习率	隐藏层1神经元数：	隐藏层2神经元数：	epoch次数：	测试集正确率
1	0.1	64	16	16	97.39%
2	0.1	64	16	8	97.41%
3	0.1	64	16	4	96.65%
4	0.1	64	16	2	95.84%
5	0.1	64	16	1	93.89%

隐藏层1神经元数为变量：

标号	学习率	隐藏层1神经元数：	隐藏层2神经元数：	epoch次数：	测试集正确率
1	0.1	64	16	4	97.39%
2	0.1	32	16	4	95.72%
3	0.1	16	16	4	94.90%
4	0.1	8	16	4	91.66%
5	0.1	4	16	4	85.14%

由上图我们可以看出在调整参数的过程中；适当增加神经元数目；降低学习率；增加循环次数可以提高测试集正确率；其中神经元数目对正确率有显著影响；不过增加神经元数目也大大增加了程序运行时间。

扫码关注我们

微信号：SRE实战

拒绝背锅 运筹帷幄