了解 scikit 神经网络参数

Question

我一直在尝试训练一个神经网络来识别我拥有图像的三种类型的标签（圆形、矩形和空白）。我使用了为识别提供的数字数据集而设置的示例 here，发现我得到了 75% 的正确预测率，几乎没有任何调整（前提是我的图像使用过滤器等进行了一定程度的预处理）。

我更感兴趣的是分类器部分（下面的代码）。我不确定不同的卷积和层选项有什么作用，以及我有哪些选项可以调整它们。有没有人对我可以用来尝试提高预测准确性的其他卷积层或层有任何建议，以及它们的含义？抱歉含糊不清，这是我第一次接触 NN 并且正在努力理解它。

nn = Classifier(
    layers=[
        Convolution('Rectifier', channels=12, kernel_shape=(3, 3), border_mode='full'),
        Convolution('Rectifier', channels=8, kernel_shape=(3, 3), border_mode='valid'),
        Layer('Rectifier', units=64),
        Layer('Softmax')],
    learning_rate=0.002,
    valid_size=0.2,
    n_stable=10,
    verbose=True)

Answer 1

我会推荐优秀的 video course by Hugo Larochelle on Youtube. The 9th chapter 是关于卷积网络并解释所有参数的。你可能会从前两章开始，它们解释了神经网络的一般工作原理，你会习惯像 softmax 和 rectifier.

这样的术语

另一个很好的资源：Andrej Karpathy's lecture notes

了解 scikit 神经网络参数

Understanding scikit neural network parameters

python

machine-learning

neural-network

scikit-learn

scikit-image