1794-IB16

1794-IB16

如果一切都順利的話，你將會在你的虛擬環(huán)境下的src/lasagne/examples/目錄中找到mnist.py并運行MNIST例子。這是一個對于神經(jīng)網(wǎng)絡(luò)的“Hello world”程序。數(shù)據(jù)中有十個分類，分別是0~9的數(shù)字，輸入時28&TImes;28的手寫數(shù)字圖片。

cd src/lasagne/examples/
python mnist.py

此命令將在三十秒左右后開始打印輸出。 這需要一段時間的原因是，Lasagne使用Theano做重型起重; Theano反過來是一個“優(yōu)化GPU元編程代碼生成面向數(shù)組的優(yōu)化Python數(shù)學(xué)編譯器”，它將生成需要在訓(xùn)練發(fā)生前編譯的C代碼。 幸運的是，我們組需要在*次運行時支付這個開銷的價格。

譯者：如果沒有配置GPU，用的是CPU的話，應(yīng)該是不用這么久的編譯時間，但是執(zhí)行時間有一些長。如果用GPU，在*次跑一些程序的時候，會有提示正在編譯的內(nèi)容。

當(dāng)訓(xùn)練開始的時候，你會看到
Epoch 1 of 500
training loss: 1.352731
validaTIon loss: 0.466565
validaTIon accuracy: 87.70 %
Epoch 2 of 500
training loss: 0.591704
validation loss: 0.326680
validation accuracy: 90.64 %
Epoch 3 of 500
training loss: 0.464022
validation loss: 0.275699
validation accuracy: 91.98 %
…

如果你讓訓(xùn)練運行足夠長，你會注意到，在大約75代之后，它將達到大約98％的測試精度。

咨詢   或

購買 ?:  或：

Allen Bradley 1785-L46C15  
Allen Bradley 1785-L60B  
Allen Bradley 1785-L60L  
Allen Bradley 1785-L80B  
Allen Bradley 1785-L80C15  
Allen Bradley 1785-L80E  
Allen Bradley 1785-L86B  
Allen Bradley 1785-LT  
Allen Bradley 1785-LT2  
Allen Bradley 1785-LT3  
Allen Bradley 1785-LT4  
Allen Bradley 1785-M100  
Allen Bradley 1785-ME16  
Allen Bradley 1785-ME32  
Allen Bradley 1785-ME64  
Allen Bradley 1785-MJ