Mac OS Sierra 10.12.1
現在kerasを用いたCNNで犬猫判別をしています。
犬猫の画像を128*128(3チャンネル)にリサイズして
ミニバッチを採用しています。
33の60カーネル畳み込み層でrelu関数を用いたものが2層
マックスプーリング層が22
ドロップアウト25パーセント
33の60カーネル畳み込み層でrelu関数を用いたものが2層
マックスプーリング層が22
ドロップアウト25パーセント
Flattenしrelu関数を用いた256の全結合層
ドロップアウト50パーセント
ソフトマックス関数でクラス分類(犬か猫かの2択)
オプティマイザにはadadeltaを用いていて損失関数にはcategorical_crossentropyを用いています。
エポック数は30です。
この結果val_accが76%しかいきませんでした。
いくつか疑問があります教えてください。
①まずacc,loss,val_acc,val_lossについてです。
解釈ですがaccはトレーニング画像の正答率。lossはcategorical_crossentropyからの値(この値を減らすための重みを調整して行ってくれている?)、val_accはテスト画像の正答率val_lossはテスト画像のlossという感じでよろしいですか??
②層の組み合わせなのですが大まかな組み立てはできませんか??一層一層追加していき試行錯誤で正答率を上げていくしかないのでしょうか??
③カーネル数の増減による影響はなんでしょうか??
④ドロップアウトを挟むところは適正でしょうか?誤っていたらどのように使うことが適切でしょうか。
⑤全結合層の中間層??の増減により影響はなんですか??ここのパラメーターは結果によって調整するくらいの感覚なのでしょうか??
色々質問があり申し訳有りませんがよろしくお願いいたします。
一応一通り教科書は読まさせていただきました。
コーディングしていき疑問点を解消していきたい次第です。。。
足りない情報がありましたら答えさせていただきます。
回答2件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2017/07/05 13:54 編集
2017/07/05 14:16 編集
2017/07/05 14:20
2017/07/05 14:25