作业六:三层神经网络调参
项目 | 内容 |
---|---|
这个作业属于的课程 | |
这个作业的要求 | |
我在这个课程的目标是 | 学习算法,积累项目经验,锻炼coding能力 |
这个作业在哪个具体方面帮助我实现目标 | 网络结构调参 |
作业正文 | 见下文 |
其他参考文献 |
- 参数列表
learning_rate = 0.1 n_hidden1 = 64 n_hidden2 = 32n_output = 10 m_epoch = 20 batch_size = 10
- loss值
Training...0 0 2.3659671677385280 1000 0.37054715657637040 2000 0.29689298435624660 3000 0.27681815680439710 4000 0.27692980815187560 5000 0.202295568463679521 0 0.204730646540128961 1000 0.177476968066351711 2000 0.174487580011078061 3000 0.14588202524963881 4000 0.134882138117447951 5000 0.141786000162198472 0 0.119244303256540662 1000 0.118236329815239272 2000 0.104667119356083122 3000 0.096907988414697072 4000 0.10544506019963942 5000 0.091412826666167173 0 0.085122066219577873 1000 0.081347589458853013 2000 0.080794947426344333 3000 0.077447825786235853 4000 0.078461628358098833 5000 0.08347370023831174 0 0.076601353843095024 1000 0.079380944579489784 2000 0.073140467936859944 3000 0.0600737958438130954 4000 0.065194578280263264 5000 0.05678273567196525 0 0.0622910240986243945 1000 0.0607172920392179345 2000 0.076220650360818465 3000 0.060090810021402255 4000 0.06397429977610185 5000 0.047094796406834666 0 0.051592085198895246 1000 0.0504085076530912466 2000 0.050178869093651266 3000 0.055442551317958746 4000 0.0437378235468478756 5000 0.044606436037915217 0 0.040719343441425857 1000 0.0480235463324027867 2000 0.041459213042214737 3000 0.0475891145758743367 4000 0.046763667148246577 5000 0.035426225925120558 0 0.034001481606009138 1000 0.033424350990199048 2000 0.0346109809791112648 3000 0.033328235619390848 4000 0.032447034981667288 5000 0.030608063518621989 0 0.036615529209079699 1000 0.037852906938187499 2000 0.034732842148394069 3000 0.0283656967519047989 4000 0.030411537390397679 5000 0.02727541145982115310 0 0.0344516008450960910 1000 0.02916347594733693210 2000 0.02692808497335034610 3000 0.02716861792488072710 4000 0.0347829952130639810 5000 0.0273725046975806311 0 0.0239165924512820411 1000 0.02693831787368104711 2000 0.03017949187524370711 3000 0.02130717659409250511 4000 0.0280602346063152911 5000 0.02169991596483261312 0 0.0227840756748284512 1000 0.01850275089982298212 2000 0.02114177279503644312 3000 0.02442285561978734312 4000 0.02490813507398859812 5000 0.02189370298191169513 0 0.01548711512150778713 1000 0.035521330867562513 2000 0.01541539150742131713 3000 0.01465440284642674913 4000 0.01517756575883436713 5000 0.01343622474930805714 0 0.01380430711167315514 1000 0.01321522545277169714 2000 0.01387357733220338414 3000 0.01451872103967392714 4000 0.01263562053246513614 5000 0.01519482417073288215 0 0.01844242764390754615 1000 0.01324318886364386415 2000 0.01196433922787221915 3000 0.01216313021001262815 4000 0.01159376723108301215 5000 0.01201563160938709916 0 0.01004032411779474416 1000 0.00862842559835910716 2000 0.01056071689581429616 3000 0.01226925510286132916 4000 0.01104806793877660516 5000 0.00933808759888828517 0 0.0100095988066177417 1000 0.00754229469487436117 2000 0.00951682773963560317 3000 0.00802478975294569117 4000 0.00799366096722545217 5000 0.00792475248969589918 0 0.00861880845209594818 1000 0.00565252159725037618 2000 0.00633967371752433818 3000 0.0085748337518512418 4000 0.00608401919323770218 5000 0.00950479213232762619 0 0.00910210303778080119 1000 0.0068183480093723519 2000 0.00751360708335167919 3000 0.00583012226124482819 4000 0.00656297089428346419 5000 0.007756608817995327
loss下降曲线
最终准确度结果
Testing...rate=9772 / 10000 = 0.9772