1.卷积神经网络

显示数据集中的部分图像:

第三次作业代码练习_卷积神经网络

在小型全连接网络上训练:

第三次作业代码练习_其他_02

 

在卷积神经网络上训练:

 

第三次作业代码练习_全连接_03

 

 可以看到卷积神经网络的效果更好

打乱像素顺序进行训练和测试:

第三次作业代码练习_其他_04

 

第三次作业代码练习_卷积神经网络_05

 

第三次作业代码练习_其他_06

 

 全连接网络结果没有很大变化,但卷积神经网络结果变化比较大

 

2.CIFAR10数据分类

展示一些图片:

第三次作业代码练习_其他_07

 

 第三次作业代码练习_数据集_08

 

 训练网络:

第三次作业代码练习_数据_09

 

 取出八个图像:

第三次作业代码练习_卷积神经网络_10

 

 将其输入并查看识别结果:

第三次作业代码练习_数据集_11

 

 识别率还可以

 

3.用VGG16进行CIFAR10数据分类

定义:

第三次作业代码练习_卷积神经网络_12

 

 第三次作业代码练习_全连接_13

 

 训练:

第三次作业代码练习_卷积神经网络_14

 

 进行测试:

第三次作业代码练习_卷积神经网络_15

 

准确率从64%提高到85.52%,效果明显

 第三次作业代码练习_数据_16