模型训练与测试(train & test)
训练深度学习模型
输入
输出:
- 损失函数值: 模型训练过程中的损失函数值
- 模型: 训练好的模型
功能
训练深度学习模型
界面
- 训练参数
- 学习率: 模型训练的学习率
- 训练周期
- 开始训练: 点击开始训练, 右侧显示训练结果
示例
以一个简单的 mnist 手写数字识别数据为例, 工作流如图所示:
这里, 使用卷积神经网络学习器 设置卷积神经网络结构, 图片加载器加载训练和测试数据, 图片加载器 (1) 加载想要预测的图片, 模型训练与测试对模型训练并测试, 其结果可以通过散点图进行观察, 还可以在卷积神经网络预测进行预测.
卷积神经网络学习器设置
使用默认参数，点击“观察并输出模型”按钮，右侧主界面出现模型结构和参数。
图片加载器设置
如果要训练模型, 注意选择 需要训练. 这里加载mnist_sample数据集（或者“mninst”数据集，但是数据集比较大，训练会花更多时间）。
如果不需要训练, 载入的图片用来预测, 则选择 只要预测, 比如在图片加载器 (1) 中采用此设置
模型训练与测试设置
打开“模型训练与测试”，保持默认设置，点击“开始训练”
神经网络预测
此小部件给出预测结果
反馈问题
文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈
点我反馈进入反馈页面不知道如何反馈, 请点击这里