深度残差收缩网络(6):代码实现

  • 时间:
  • 浏览:8

宽度残差收缩网络真是是两种通用的行态学习最好的方法,是宽度残差网络ResNet、注意力机制和软阈值化的集成,须要用于图像分类。本文采用TensorFlow 1.0和TFLearn 0.3.2,编写了图像分类的应用应用程序,采用的图像数据为CIFAR-10。CIFAR-10是另另一二个 非常常用的图像数据集,中有 10个类别的图像。须要在你你这些 网址找到具体介绍:https://www.cs.toronto.edu/~kriz/cifar.html

后边的代码构建了另另一二个 小型的宽度残差收缩网络,只中有 二个基本残差收缩模块,一点的超参数也未进行优化。想要为了追求更高的准确率语句,须要适当增加宽度,增加训练迭代次数,以及适当调整超参数。

转载网址:

宽度残差收缩网络:(一)背景知识 https://www.cnblogs.com/yc-9527/p/11598844.html

宽度残差收缩网络:(二)整体思路 https://www.cnblogs.com/yc-9527/p/111501322.html

宽度残差收缩网络:(三)网络行态 https://www.cnblogs.com/yc-9527/p/111503320.html

宽度残差收缩网络:(四)注意力机制下的阈值设置 https://www.cnblogs.com/yc-9527/p/111504082.html

宽度残差收缩网络:(五)实验验证 https://www.cnblogs.com/yc-9527/p/116115073.html

宽度残差收缩网络:(六)代码实现 https://www.cnblogs.com/yc-9527/p/12091581.html

论文网址:M. Zhao, S. Zhong, X. Fu, B. Tang, and M. Pecht, “Deep Residual Shrinkage Networks for Fault Diagnosis,” IEEE Transactions on Industrial Informatics, 2019, DOI: 10.1109/TII.2019.2943898

参照ResNet代码(https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py),所编写的宽度残差收缩网络的代码如下: