了解scikit神经网络参数

Question

我一直在努力训练一个神经网络来识别我有三种类型的标签(圆形,矩形和空白).我使用示例设置来识别这里提供的数字数据集,发现我得到了75%的正确预测率,几乎没有任何调整(假设我的图像有一定程度的预处理过滤器等).

我更感兴趣的是分类器部分(下面的代码).我不确定不同的卷积和图层选项是做什么的,以及我有什么选择来调整它们.有没有人对我可以用来尝试提高我的预测准确度及其含义的其他卷积或层有任何建议？对于含糊不清的道歉,这是我第一次触及NN并且正在努力解决这个问题.

nn = Classifier(
    layers=[
        Convolution('Rectifier', channels=12, kernel_shape=(3, 3), border_mode='full'),
        Convolution('Rectifier', channels=8, kernel_shape=(3, 3), border_mode='valid'),
        Layer('Rectifier', units=64),
        Layer('Softmax')],
    learning_rate=0.002,
    valid_size=0.2,
    n_stable=10,
    verbose=True)

Answer 1

我会在Youtube上推荐Hugo Larochelle 的优秀视频课程.第9章是关于卷积网络并解释所有参数.您可以从前两章开始,他们解释神经网络的一般工作方式,并且您将习惯于softmax和和之类的术语rectifier.

另一个很好的资源:Andrej Karpathy的讲义