GithubHelp home page GithubHelp logo

lenet-naive's Introduction

LeNet Naive

O objetivo deste trabalho consiste na implementação da LeNet-5 com ReLU, minibatch = 32, batch normalization, inicialização de pesos de He, saída SoftMax. Devendo ser aplicado no banco MNIST.

Implementação

Este projeto consiste na implementação da arquitetura LeNet-5. Também foi usado o método do gradiente como forma de aprendizagem, para isso, foi necessário a redução de neurônios nas camadas, para que o algoritmo pudesse rodar de forma mais rápida.

Resultados

Foram feitas 44 iterações e houve uma redução da perda média com o uso da busca local usando gradiente com decaimento consideravelmente rápida no início, mas com atenuação com poucas iterações, chegando em uma perda média de 1.979500943 após as 44 iterações.

Gráfico da perda média

lenet-naive's People

Contributors

lukeflima avatar

Watchers

 avatar  avatar  avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.