- 卷积层: conv_layer
- 池化层: max_pooling
- 激活函数: relu
- 全联接层: fc_layer
- 损失函数层: loss_layer
- 初始化: gaussian
- 优化器: adam
- 网络封装: conv_net.py
- 训练/验证: solver.py
- 保存权重: 'param.npy'
- 分类接口: classify.py
- conv1: (1, 28, 28, 8)
- relu1: (1, 28, 28, 8)
- pool1: (1, 14, 14, 8)
- conv2: (1, 14, 14, 16)
- relu2: (1, 14, 14, 16)
- pool2: (1, 7, 7, 16)
- fc: (1, 10)
- 网络结构图: 初始化网络时打印输入参数
- train源码及执行命令: solver.train
- test_set评测源码及执行命令: solver.test()
- inference脚本(支持读一个文件夹的图片,输出结果): 单张图片识别
- 训练周期: 2 epoch
- 训练准确率: 0.9595(5_12_3_24), 0.9526(3_8_3_16), 0.9586(5_8_3_16,最终采用)
- 测试准确率: 0.9465(5_12_3_24), 0.9391(3_8_3_16), 0.9509(5_8_3_16,最终采用)
- 优化初始化方法
- 实现批归一化
- 实现dropout
- 深层网络
- depthwise conv
- 替换全联接层
- 多线程计算
- 梳理框架结构