阅读( 228 )次

   评论(0)条

wudixx

学习笔记之第3章:用于MNIST的卷积神经网络 / 第4节第5节:卷积滤波器核的数量与网络性能之间的关系

1.通过改变K值观察程序运行结果(修改conv1_kenels_num的值)


 

# 第一个卷积层(conv2d + biase)

with tf.name_scope('Conv2d'): conv1_kenels_num=16 weights = WeightsVariable(shape=[5, 5, 1, conv1_kenels_num], name_str='weights') biases = BiasesVariable(shape=[conv1_kenels_num], name_str='biases') conv_out = Conv2d(X_image, weights, biases, stride=1, padding='VALID')

2.使用excel绘图分析




 收藏 (0)  打赏  点赞 (0)

 ©2017 studyai.com 版权所有

关于我们