回答編集履歴
4
edit
answer
CHANGED
|
@@ -11,7 +11,7 @@
|
|
|
11
11
|
|
|
12
12
|
---
|
|
13
13
|
|
|
14
|
-
テスト：
|
|
14
|
+
テスト：(修正後:StratifiedKFoldのランダムシードを固定しました)
|
|
15
15
|
|
|
16
16
|
```
|
|
17
17
|
Input
|
|
@@ -29,8 +29,8 @@
|
|
|
29
29
|
MNISTのTrain(60000個)をStratifiedFold(10)でわけて、Test(10000個)でスコアを出しています。
|
|
30
30
|
|
|
31
31
|
数字を最初に学習させてからルールベースで偶奇性を判定すると、
|
|
32
|
-
数字:99.
|
|
32
|
+
数字:99.094%±0.060
|
|
33
|
-
偶奇:99.
|
|
33
|
+
偶奇:99.539%±0.049
|
|
34
34
|
の精度です。
|
|
35
35
|
|
|
36
36
|
これに対して、偶奇性を一発で学習させることにして、最後のところを
|
|
@@ -41,12 +41,13 @@
|
|
|
41
41
|
-> Dense(2, softmax)
|
|
42
42
|
```
|
|
43
43
|
にすると、
|
|
44
|
-
偶奇:99.
|
|
44
|
+
偶奇:99.419%±0.110
|
|
45
45
|
となります。
|
|
46
46
|
|
|
47
47
|
---
|
|
48
48
|
|
|
49
49
|
ちなみに、出力を2つ設けて、数字と偶奇性を同時に学習させると、
|
|
50
|
+
数字:99.145%±0.031
|
|
50
|
-
偶奇:99.
|
|
51
|
+
偶奇:99.582%±0.024
|
|
51
|
-
(ルールベース:99.
|
|
52
|
+
(ルールベース:99.539%±0.049)
|
|
52
53
|
になります。
|
3
edit
answer
CHANGED
|
@@ -42,4 +42,11 @@
|
|
|
42
42
|
```
|
|
43
43
|
にすると、
|
|
44
44
|
偶奇:99.468%±0.041
|
|
45
|
-
となります。
|
|
45
|
+
となります。
|
|
46
|
+
|
|
47
|
+
---
|
|
48
|
+
|
|
49
|
+
ちなみに、出力を2つ設けて、数字と偶奇性を同時に学習させると、
|
|
50
|
+
偶奇:99.555%±0.034
|
|
51
|
+
(ルールベース:99.548%±0.045)
|
|
52
|
+
になります。
|
2
edit
answer
CHANGED
|
@@ -7,4 +7,39 @@
|
|
|
7
7
|
一気にやると、学習が難しくなります。
|
|
8
8
|
そのかわりに、外し方を少し緩和してくれるかもしれません。
|
|
9
9
|
|
|
10
|
-
つまり3を5と間違えてもいいけど、3を2と間違えるのはまずいということです。
|
|
10
|
+
つまり3を5と間違えてもいいけど、3を2と間違えるのはまずいということです。
|
|
11
|
+
|
|
12
|
+
---
|
|
13
|
+
|
|
14
|
+
テスト：
|
|
15
|
+
|
|
16
|
+
```
|
|
17
|
+
Input
|
|
18
|
+
-> Conv2D(32, 3, relu)
|
|
19
|
+
-> Conv2D(64, 3, relu)
|
|
20
|
+
-> MaxPooling2D(2)
|
|
21
|
+
-> Dropout(0.25)
|
|
22
|
+
-> Flatten
|
|
23
|
+
-> Dense(128, relu)
|
|
24
|
+
-> Dropout(0.5)
|
|
25
|
+
-> Dense(10, softmax)
|
|
26
|
+
```
|
|
27
|
+
のような単純なネットワークがベースです。
|
|
28
|
+
|
|
29
|
+
MNISTのTrain(60000個)をStratifiedFold(10)でわけて、Test(10000個)でスコアを出しています。
|
|
30
|
+
|
|
31
|
+
数字を最初に学習させてからルールベースで偶奇性を判定すると、
|
|
32
|
+
数字:99.105%±0.059
|
|
33
|
+
偶奇:99.548%±0.045
|
|
34
|
+
の精度です。
|
|
35
|
+
|
|
36
|
+
これに対して、偶奇性を一発で学習させることにして、最後のところを
|
|
37
|
+
`-> Dense(10, softmax)`
|
|
38
|
+
から
|
|
39
|
+
```
|
|
40
|
+
-> Dense(10, relu)
|
|
41
|
+
-> Dense(2, softmax)
|
|
42
|
+
```
|
|
43
|
+
にすると、
|
|
44
|
+
偶奇:99.468%±0.041
|
|
45
|
+
となります。
|
1
edit
answer
CHANGED
|
@@ -1,3 +1,10 @@
|
|
|
1
1
|
mnistで偶奇性のテストをしてみてはいかがですか。
|
|
2
2
|
|
|
3
|
-
自明ではないので、やってみるのが一番だと思います。
|
|
3
|
+
自明ではないので、やってみるのが一番だと思います。
|
|
4
|
+
|
|
5
|
+
---
|
|
6
|
+
|
|
7
|
+
一気にやると、学習が難しくなります。
|
|
8
|
+
そのかわりに、外し方を少し緩和してくれるかもしれません。
|
|
9
|
+
|
|
10
|
+
つまり3を5と間違えてもいいけど、3を2と間違えるのはまずいということです。
|