1) 在给定的训练数据集上,分别训练⼀个线性分类器(Softmax 分类器),多层感知机
(MLP)和卷积神经⽹络(CNN)
2) 在 MLP 实验中,研究使⽤不同⽹络层数和不同神经元数量对模型性能的影响
3) 在 CNN 实验中,以 LeNet 模型为基础,探索不同模型结构因素(如:卷积层数、滤
波器数量、Pooling 的使⽤等)对模型性能的影响
4) 分别使⽤ SGD 算法、SGD Momentum 算法和 Adam 算法训练模型,观察并讨论他们
对模型训练速度和性能的影响
5) ⽐较并讨论线性分类器、MLP 和 CNN 模型在 CIFAR-10 图像分类任务上的性能区别
6) 学习⼀种主流的深度学习框架(如:Tensorfolw,PyTorch),并⽤其中⼀种框架完
成上述神经⽹络模型的实验
实验报告需包含(但不限于):
1)采⽤的模型结构和训练⽅法(包括数据预处理的⽅法、模型参数初始化⽅法、超参数
选择、优化⽅法及其它⽤到的训练技巧)
评论0