了解 scikit 神经网络参数 [关闭]答案

【问题标题】：Understanding scikit neural network parameters [closed]了解 scikit 神经网络参数 [关闭]
【发布时间】：2015-11-11 15:13:48
【问题描述】：

我一直在尝试训练神经网络来识别我拥有的三种类型的标签（圆形、矩形和空白）。我使用示例设置来识别 here 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（假设我的图像使用过滤器等进行了一定程度的预处理）。

我有兴趣了解更多关于分类器的部分（代码如下）。我不确定不同的卷积和层选项有什么作用，以及我有哪些调整它们的选项。是否有人对我可以用来尝试提高预测准确性的其他卷积或层有任何建议以及它们的含义？抱歉含糊其辞，这是我第一次接触 NN，并且正在努力解决它。

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)

【问题讨论】：

标签： python machine-learning scikit-learn neural-network scikit-image

【解决方案1】：

我会推荐 Youtube 上 Hugo Larochelle 的出色 video course。 The 9th chapter 是关于卷积网络并解释了所有参数。你可能从前两章开始，它们解释了神经网络的一般工作原理，你会习惯像softmax和rectifier这样的术语。

另一个好资源：Andrej Karpathy's lecture notes

【讨论】：

非常感谢，我去看看 :)
@Hrant Khachatrian 为那些精彩的讲义 +1！非常有趣的资源。