世界上做的最后的网站,苏州专业网站建设设计公司,辽阳网站建设58,广州公司网站1 问题在深度学习的卷积网络过程中#xff0c;神经网络有卷积层#xff0c;池化层#xff0c;全连接层。而池化层有最大值池化和均值池化两种情况#xff0c;而我们组就在思考#xff0c;最大值池化和均值池化有什么区别呢#xff1f;两者的模型准确率是否有所不同#…1 问题在深度学习的卷积网络过程中神经网络有卷积层池化层全连接层。而池化层有最大值池化和均值池化两种情况而我们组就在思考最大值池化和均值池化有什么区别呢两者的模型准确率是否有所不同2 方法这是所有的代码主要改变卷积层中的最大值池化和均值池化的相关代码即可。也就是maxpool2d和avgpool2d的应用。class MyNet(nn.Module): # 5.2定义网络有哪些层这些层都作为成员变量 def __init__(self) - None: super().__init__() self.conv1nn.Conv2d(in_channels1,out_channels16, kernel_size3,stride1,padding1) self.conv2nn.Conv2d(in_channels16,out_channels32, kernel_size3,stride1,padding1) self.max_poolnn.MaxPool2d(kernel_size2, stride2) #self.avg_poolnn.AvgPool2d(kernel_size2,stride2) self.fcnn.Linear(in_features32*14*14, out_features10) def forward(self, x): xself.conv1(x) xself.conv2(x) xself.max_pool(x) #xself.avg_pool(x) #[B,C,H,W] #1的目的是拉伸C,H,W,不拉伸B xtorch.flatten(x,1) outself.fc(x) return out然后我们训练了100个周期通过比较2者的准确率和损失值来比较分析。两者分别是均值池化和最大值池化可以从图中看出不论是均值池化还是最大值池化两者的准确率都是前10个周期准确率猛增。而在10个周期之后均值池化的准确率是基于平稳的并且train和val的准确率是交错的。最大值池化的准确率还是在继续增长虽然增长幅度不是太大并且train和val的准确率是分开的一直保持没有交错。均值池化的test准确率为最大值池化的test准确率为能够看出来最大值池化的准确率高于均值池化的准确率。两者分别是均值池化和最大值池化可以看出两者的loss率其实差别不大但是最大值池化的loss下降明显先猛烈下降然后再逐渐下降的均值池化是先猛烈下降然后基于平稳的。3 结语对于均值池化和最大值池化的比较分析我们运用了100个周期训练模型然后画图比较准确率和loss发现最大值池化的准确率高于均值池化的准确率但是均值池化的准确率在训练周期较少时准确率较高而最大值池化的准确率在训练周期较多时准确率较高说明这个方法是有效的但是本次实验并没有对一个方法进行多次训练较少偶然性未来我们可以继续研究多次训练之后的模型的预测准确率是否有较大差异来验证是否具有实验偶然性。
