小编seb*_*aqu的帖子

我正在通过研究像MNIST例子这样的例子来学习卷积神经网络.在训练神经网络的过程中,我经常会看到如下输出:

 Epoch  |  Train loss  |  Valid loss  |  Train / Val
--------|--------------|--------------|---------------
    50  |    0.004756  |    0.007043  |     0.675330
   100  |    0.004440  |    0.005321  |     0.834432
   250  |    0.003974  |    0.003928  |     1.011598
   500  |    0.002574  |    0.002347  |     1.096366
  1000  |    0.001861  |    0.001613  |     1.153796
  1500  |    0.001558  |    0.001372  |     1.135849
  2000  |    0.001409  |    0.001230  |     1.144821
  2500  |    0.001295  |    0.001146  |     1.130188
  3000  |    0.001195  |    0.001087  |     1.099271

除了时代,有人可以给我一个关于每列代表什么以及这些值意味着什么的解释？我看到了很多关于基本cnn的教程,但我没有遇到过详细解释这个问题的教程.

我在将 4D numpy 数组重塑为 2D numpy 数组时遇到一些麻烦。目前numpy数组如下（35280L，1L，32L，32L）。格式为图像数量、通道、宽度、高度。基本上，我有 35280 个 32x32 的图像块，我想组合这些图像块（保留索引）来创建一张大图像。