深度卷积神经网络权重参数更新方法研究

• 作者: 杨曼 黄远民 石远豪
• 来源期刊: 中国设备工程
• 学科: 工学
• 关键词: Tensorflow 损失函数 权重参数 Adam
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 工艺流程与应用
• 页码范围: 84-85
• 页数: 2页
• 分类号: TN912.3|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0711.2021.24.054

摘要

本文基于Tensorflow深度卷积神经网络学习框架,采用Python编程语言,以MNIST数据集为样本集,构建深度卷积神经网络结构,分析深度卷积神经网络权重参数更新的4种方法,通过对比发现,进行模型训练时,选择Adam方法对目标函数进行优化,此时损失函数值达到最小值.以该目标优化函数方法完成对数据集模型训练,验证模型效果,手写数字的分类识别准确率达到99.55％.