1164513233#ai-edu#14.5-多分类任务功能测试1
需积分: 0 38 浏览量
2022-07-25
14:29:50
上传
评论
收藏 4KB MD 举报
## 14.5 多分类功能测试
在第11章里，我们讲解了如何使用神经网络做多分类。在本节我们将会用Mini框架重现那个教学案例，然后使用一个真实的案例验证多分类的用法。
### 14.5.1 搭建模型一
#### 模型
使用Sigmoid做为激活函数的两层网络，如图14-12。
图14-12 完成非线性多分类教学案例的抽象模型
#### 代码
```Python
def model_sigmoid(num_input, num_hidden, num_output, hp):
net = NeuralNet_4_0(hp, "chinabank_sigmoid")
fc1 = FcLayer_1_0(num_input, num_hidden, hp)
net.add_layer(fc1, "fc1")
s1 = ActivationLayer(Sigmoid())
net.add_layer(s1, "Sigmoid1")
fc2 = FcLayer_1_0(num_hidden, num_output, hp)
net.add_layer(fc2, "fc2")
softmax1 = ClassificationLayer(Softmax())
net.add_layer(softmax1, "softmax1")
net.train(dataReader, checkpoint=50, need_test=True)
net.ShowLossHistory()
ShowResult(net, hp.toString())
ShowData(dataReader)
```
#### �
图14-12 完成非线性多分类教学案例的抽象模型
#### 代码
```Python
def model_sigmoid(num_input, num_hidden, num_output, hp):
net = NeuralNet_4_0(hp, "chinabank_sigmoid")
fc1 = FcLayer_1_0(num_input, num_hidden, hp)
net.add_layer(fc1, "fc1")
s1 = ActivationLayer(Sigmoid())
net.add_layer(s1, "Sigmoid1")
fc2 = FcLayer_1_0(num_hidden, num_output, hp)
net.add_layer(fc2, "fc2")
softmax1 = ClassificationLayer(Softmax())
net.add_layer(softmax1, "softmax1")
net.train(dataReader, checkpoint=50, need_test=True)
net.ShowLossHistory()
ShowResult(net, hp.toString())
ShowData(dataReader)
```
#### �点击阅读更多
资源评论
