『cs231n』线性分类器最优化
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了『cs231n』线性分类器最优化相关的知识,希望对你有一定的参考价值。
最优化策略
1.差劲的方案,随机搜索
bestloss = float(‘inf‘) # 无穷大 for num in range(1000): W = np.random.randn(10, 3073) * 0.0001 loss = L(X_train, Y_train, W) if loss < bestloss: bestloss = loss bestW = W scores = bsetW.dot(Xte_cols) Yte_predict = np.argmax(score, axis = 0) np.mean(Yte_predict == Yte)
核心思路:迭代优化
2.浪费的方案,随机本地搜索
W = np.random.randn(10, 3073) * 0.001 bestloss = float(‘inf‘) for i in range(1000): step_size = 0.0001 Wtry = np.random.randn(10, 3073) * step_size loss = L(Xtr_cols, Ytr, Wtry) if loss < bestloss: W = Wtry bestloss = loss
3.跟随梯度
以上是关于『cs231n』线性分类器最优化的主要内容,如果未能解决你的问题,请参考以下文章
Python 代码CS231n中Softmax线性分类器非线性分类器对比举例(含python绘图显示结果)