Will it fail CNNs (on MNIST)?

Will it fail CNNs (on MNIST)?

1涨薪、-"use the raw pixel values between[0,255]"

Correct. Almost all CNN's prefer to normalize pixel value normalized between [-1,1]

2、-"initialize all the CNN weights as 0"

Correct,Network weights should be initialized randomly

3种蘸、-"Use no intercept (i.e., Wx instead of Wx+b) in the fully connect layer"

No. Network with zero intercepts will still work

如果沒(méi)有偏置的話攀芯,我們所有的分割線(Wx=0所代表的超平面就是決策邊界)都是經(jīng)過(guò)原點(diǎn)的

4甲雅、-“The batch size is too small (i.e., one sample per batch)”

No.Small batch size will still work, but make the optimization slower

5履怯、-"The batch size is too big (i.e., use the whole dataset as one batch)"

correct. We will lose the "stochastic" factor by taking whole dataset as one batch, and the optimization will fall into bad local minimum

我們將失去“隨機(jī)”因素,優(yōu)化將陷入糟糕的局部最小值

6拼窥、-"Do not shuffle the data before training"

Usually correct. Random shuffling impress CNN a lot.

最明顯的情況是戏蔑,如果您的數(shù)據(jù)是按照它們的類/目標(biāo)排序的蹋凝,則需要對(duì)數(shù)據(jù)進(jìn)行洗牌。在這里辛臊,您需要重新洗牌仙粱,以確保您的培訓(xùn)/測(cè)試/驗(yàn)證集能夠代表數(shù)據(jù)的總體分布。

Suppose 假設(shè) data is sorted in a specified order. For example a data set which is sorted base on their class. So, if you select data for training, validation, and test without considering this subject, you will select each class for different tasks, and it will fail the process.

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末彻舰,一起剝皮案震驚了整個(gè)濱河市伐割,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌刃唤,老刑警劉巖隔心,帶你破解...
    沈念sama閱讀 217,734評(píng)論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異尚胞,居然都是意外死亡硬霍,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,931評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門笼裳,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)唯卖,“玉大人,你說(shuō)我怎么就攤上這事躬柬“莨欤” “怎么了?”我有些...
    開(kāi)封第一講書人閱讀 164,133評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵允青,是天一觀的道長(zhǎng)橄碾。 經(jīng)常有香客問(wèn)我,道長(zhǎng)颠锉,這世上最難降的妖魔是什么法牲? 我笑而不...
    開(kāi)封第一講書人閱讀 58,532評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮琼掠,結(jié)果婚禮上拒垃,老公的妹妹穿的比我還像新娘。我一直安慰自己瓷蛙,他們只是感情好恶复,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,585評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著速挑,像睡著了一般。 火紅的嫁衣襯著肌膚如雪副硅。 梳的紋絲不亂的頭發(fā)上姥宝,一...
    開(kāi)封第一講書人閱讀 51,462評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音恐疲,去河邊找鬼腊满。 笑死套么,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的碳蛋。 我是一名探鬼主播胚泌,決...
    沈念sama閱讀 40,262評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼肃弟!你這毒婦竟也來(lái)了玷室?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書人閱讀 39,153評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤笤受,失蹤者是張志新(化名)和其女友劉穎穷缤,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體箩兽,經(jīng)...
    沈念sama閱讀 45,587評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡津肛,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,792評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了汗贫。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片身坐。...
    茶點(diǎn)故事閱讀 39,919評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖落包,靈堂內(nèi)的尸體忽然破棺而出部蛇,到底是詐尸還是另有隱情,我是刑警寧澤妥色,帶...
    沈念sama閱讀 35,635評(píng)論 5 345
  • 正文 年R本政府宣布搪花,位于F島的核電站,受9級(jí)特大地震影響嘹害,放射性物質(zhì)發(fā)生泄漏撮竿。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,237評(píng)論 3 329
  • 文/蒙蒙 一笔呀、第九天 我趴在偏房一處隱蔽的房頂上張望幢踏。 院中可真熱鬧,春花似錦许师、人聲如沸房蝉。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,855評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)搭幻。三九已至,卻和暖如春逞盆,著一層夾襖步出監(jiān)牢的瞬間檀蹋,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 32,983評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工云芦, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留俯逾,地道東北人贸桶。 一個(gè)月前我還...
    沈念sama閱讀 48,048評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像桌肴,于是被迫代替她去往敵國(guó)和親皇筛。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,864評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容

  • rljs by sennchi Timeline of History Part One The Cognitiv...
    sennchi閱讀 7,331評(píng)論 0 10
  • 從前有一對(duì)母女坠七,女兒又高又胖水醋,吃得又多。媽媽端上的肉汁菜湯灼捂,她吃了一盤离例、兩盤、三盤悉稠,還不停地要宫蛆。而媽媽邊為她盛,邊...
    杰出青年老李閱讀 1,650評(píng)論 0 2
  • 今天是踐行的22/30天,也是90天踐行的第17天卦尊。學(xué)習(xí)的是丫丫老師第22課《如何記錄》叛拷。 沒(méi)有記錄就沒(méi)有發(fā)生,記...
    minmin201708閱讀 365評(píng)論 0 0