Компьютерная графика лаб 7_2. Скворцов Алексей а0518

• Название: Скворцов Алексей а0518
• Анкор: Компьютерная графика лаб 7_2
• Дата: 18.03.2022
• Размер: 40.22 Kb.
• Имя файла: Skvortsov_Alexey_7_2.docx
• Тип: Задача; #403397

Скворцов Алексей

А-05-18

1. Решаемая задача.

Классификация изображений рукописных цифр.

2. Описание набора данных MNIST.

Набор состоит из изображений рукописных цифр. Размер каждого изображения 28х28 пикселей.
3.Таблица с результатами всех использованных вариантов НС

№	Описание	Время	Количество эпох	обучающая	оценочная
1	Применим слои Con2D и MaxPooling2D (по одному) C2R32-MP2-F-DR32-DS10	29.2862138	20	0.9965	0.9874
2	Заменим Con2D на Con1D, а MaxPooling2D на MaxPooling1D. R-C1R32-MP1-F-DR32-DS10	27.62737	20	0.9901	0.9838
3	Введем в модель раннюю остановку	15.939995	20	0.9878	0.9805
4	В модель НС с Con2D-слоем добавим слои Dropout (два) C2R32-MP2-0.5-F-DR32-0.5-DS10	21.00534	20	0.9779	0.9881
5	В модель НС с Con2D-слоем и Dropout-слоями добавим слой BatchNormalization C2R32-MP2-0.5- BN -F-DR32-0.5-DS10	27.09838	25/100	0.9815	0.9896
6	Заменим функцию потерь mse на mape C2R32-MP2-0.5- BN -F-DR32-0.5-DS10 Функция потерь mape	39.461636	36/100	0.9760	0.9873
7	Вернем msle. Добавим ещё слой Con2D после Dropout C2R32-MP2-0.5-C2R32- BN -F-DR32-0.5-DS10 Функция потерь msle	40.390892	29/100	0.9873	0.9900
8	Добавим ещё один слой MaxPooling2D после второго Con2D C2R32-MP2-0.5-C2R32-MP2- BN -F-DR32-0.5-DS10 Функция потерь msle	34.669819	31/100	0.9609	0.9854
9	Добавим ещё один слой BatchNormalization после второго слоя MaxPooling2D C2R32-MP2-0.5-C2R32-MP2- BN - BN -F-DR32-0.5-DS10 Функция потерь msle	34.4339678	29/100	0.9642	0.9835
10	Уберем слой MaxPooling2D, оставим один C2R32-MP2-0.5-C2R32 - BN - BN -F-DR32-0.5-DS10 Функция потерь msle	68.4869885	47/100	0.9903	0.9916
11	Вернём слой MaxPooling2D Уберём слой Con2D, оставив один C2R32-MP2-0.5 -MP2- BN - BN -F-DR32-0.5-DS10 Функция потерь msle	24.79078	21/100	0.9797	0.9895
12	Вернем слой Con2D и заменим первый параметр второго слоя Con2D на 128 C2R128-MP2-0.5-C2R32-MP2- BN - BN -F-DR32-0.5-DS10 Функция потерь msle	68.0937201	28/100	0.9879	0.9915
13	Заменим первый параметр первого слоя и первый параметр второго слоя Con2D на 64. BN-C2R64-MP2-0.5-C2R64-0.5-F-DR32- BN-DS10 Функция потерь msle	84.0302412	23/100	0.9919	0.9890
14	Заменим число на 0.2 в обоих Dropout, изменим параметр слоя Conv2D - kernel_size = 16 BN-C2R64-MP2-0.2-C2R64-0.2-F-DR32- BN-DS10 Функция потерь msle Conv2D: kernel_size = 16	118.9509377	19/100	0.9949	0.9913
15	в слое Dense Заменим Units на 256, поставим слой BatchNormalization после него. Kernel_size = 12 у Conv2D У первого Dropout коэф из 0.2 в 0.4 BN-C2R64-MP2-0.4-C2R64-0.2-F-DR256- BN-DS10 Функция потерь msle Conv2D: kernel_size = 12	90.630724	16/100	0.9970	0.9939

4. График обучения лучшего по точности на оценочной выборке

Лучшим оказался последний вариант