3个回答
肯定是你代码有bug了
这个题目很简单的,随便搞搞都是0.90以上,比如用逻辑回归或者kNN。神经网络肯定是0.99以上了。
坐等官方出标杆。
不会吧?代码bug?是参数不对?
-
大黄大黄大黄
2018-04-02 21:23
在cnn标杆模型中加一个median filter,去除背景中的噪音,把图形变为binary图形,就能加快收敛。Accuracy能达到1
from scipy.ndimage import median_filter
def data_modify_suitable_train(data_set=None, type=True):
if data_set is not None:
data = []
if type is True:
np.random.shuffle(data_set)
data = data_set[:, 0: data_set.shape[1] - 1]
else:
data = data_set
data = np.array([np.reshape(i, (40, 40)) for i in data])
data = np.array([median_filter(i, size=(3, 3)) for i in data])
data = np.array([(i>10)*100 for i in data])
data = np.array([np.reshape(i, (i.shape[0], i.shape[1], 1)) for i in data])
return data
我还是没有提升
-
大黄大黄大黄
2018-04-19 11:59
我只加了这两行,达到0.99972, 要达到1,只能增加cnn层数,还要靠点运气了。
-
Zealing
2018-04-19 13:33
参数是玄学!!!!!!
-
陈十一
2018-04-19 14:14
请问你标注的第二行是什么作用?为什么(i>10)*100..谢谢!
-
superives
2018-05-01 13:21
把值大于10的像素当做图形,变为100,小于等于10的像素当做背景,变为0。这里10和100是随手写的参数,可变。
-
Zealing
2018-05-01 13:53
我试了一下不同的值,得到的结果都差不多。这么做的假设,是不是因为图形的颜色和背景差别比较大,所以可以直接区分开来?多谢解答!
-
superives
2018-05-01 14:27