如何设定一个N层CNN的Layer,CNN初始化

如何设定一个N层CNN的Layer,CNN初始化

前言

目前人工智能已经融入到我们的生活,大数据模型也是层出不穷。那我们就学习一些简单的模型设置。

干货

代码

python 复制代码
# This is the original CNN layer setup,
def build_cnn(input_layer):
    cnn = Conv1D(9,9,padding="same")(input_layer)
    cnn = BatchNormalization()(cnn)
    cnn = Dropout(rate = 0.05)(cnn)

    cnn = Conv1D(18,7,padding="same")(cnn)
    cnn = BatchNormalization()(cnn)
    cnn = Dropout(rate = 0.07)(cnn)

    cnn = Conv1D(36,5,padding="same")(cnn)
    cnn = BatchNormalization()(cnn)
    cnn = Dropout(rate = 0.1)(cnn)

    cnn = Conv1D(72,3,padding="same")(cnn)
    cnn = BatchNormalization()(cnn)
    cnn = Dropout(rate = 0.1)(cnn)

    return cnn
    

解释

  1. 这里面input_layer需要自己去设计,如何切数据请根据自己的情况来设置;
  2. Conv1D(x,y)函数建议x参数成倍数增长,y参数递减;
  3. 建议把每层的数据进行标准化BatchNormalization()
  4. 优于我们创建了这么多layer数据,建议随机剔除一些来避免过拟合:
    • 当x参数越来越大,建议把Dropout(rate = 【rate】) 逐渐调大,根据自己的模型来调整,个人不建议调太大;
  5. 还想加啥函数请自行调整,DL这玩意儿每个人有每个人的理解和需求;
  6. 需要导入什么库请自己搜吧,我也懒得列出来了。XD

结语

希望大家有所收获,有不明白的欢迎大家留言。

相关推荐
武子康2 分钟前
AI-调查研究-74-具身智能 机器人学习新突破:元学习与仿真到现实迁移的挑战与机遇
人工智能·程序人生·ai·职场和发展·系统架构·机器人·具身智能
练习两年半的工程师7 分钟前
AWS TechFest 2025: 适合使用 Agentic AI 的场景、代理(Agents)应用的平衡之道、数据战略优先级矩阵、新治理模式
人工智能·云计算·aws
Monkey的自我迭代11 分钟前
图像直方图
图像处理·人工智能·计算机视觉
Monkey的自我迭代15 分钟前
图像金字塔---图像上采样下采样
人工智能·opencv·计算机视觉
colus_SEU20 分钟前
【卷积神经网络详解与实例】4——感受野
人工智能·深度学习·计算机视觉·cnn
掘金一周26 分钟前
凌晨零点,一个TODO,差点把我们整个部门抬走 | 掘金一周 9.11
前端·人工智能·后端
Sirius Wu26 分钟前
私有化部署Ragflow的预训练模型
人工智能·python·语言模型·火山引擎
Cyan_RA931 分钟前
SpringMVC 执行流程分析 详解(图解SpringMVC执行流程)
java·人工智能·后端·spring·mvc·ssm·springmvc
工藤学编程34 分钟前
零基础学AI大模型之读懂AI大模型
人工智能
h_k100861 小时前
如何使用 DeepSeek 帮助自己的工作?的技术文章大纲
人工智能