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
lxmyzzs10 小时前
【图像算法 - 30】基于深度学习的PCB板缺陷检测系统: YOLOv11 + UI界面 + 数据集实现
人工智能·深度学习·算法·yolo·缺陷检测
Patrick_Wilson10 小时前
AI 时代下的工程师核心竞争力思考
人工智能·ai编程·求职
AI优秘企业大脑10 小时前
更新维护:定期更新、功能修复、性能优化的全面指南
大数据·人工智能
阿里云大数据AI技术10 小时前
云栖实录 | AI原生搜索引擎:Elasticsearch 换“芯”——AI原生搜索内核增强技术
人工智能·搜索引擎
Dev7z10 小时前
基于Swin Transformer的皮肤病变分类与诊断系统
人工智能·深度学习·transformer
阿里-于怀10 小时前
行业首发!Spring AI Alibaba + Nacos 支持分布式 Multi-Agent 构建
人工智能·分布式·ai·nacos·saa·multi agent
百锦再11 小时前
Go与Python在AI大模型开发中的深度对比分析
java·开发语言·人工智能·python·学习·golang·maven
量子位11 小时前
黄仁勋台上最强GPU炸场,台下感叹“中国芯片爆发”,瞄准6G投资诺基亚
人工智能
一个处女座的程序猿11 小时前
LLMs之PE:PromptX(将 AI 智能体从通用助手转变为具备行业/角色能力的交互平台)的简介、安装和使用方法、案例应用之详细攻略
人工智能·交互·agent·promptx
兔兔爱学习兔兔爱学习11 小时前
大模型之adapter-tuning
人工智能