1. 二维卷积实验
手写二维卷积的实现,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果(最好使用图表展示)(只用循环几轮即可)。
使用torch.nn实现二维卷积,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果(最好使用图表展示)。
不同超参数的对比分析(包括卷积层数、卷积核大小、batchsize、lr等)选其中至少1-2个进行分析。
2. 空洞卷积实验
使用torch.nn实现空洞卷积,要求dilation满足HDC条件(如1,2,5)且要堆叠多层并在至少一个数据集上进行实验,从训练时间、预测精度、Loss 变化等角度分析实验结果(最好使用图表展示)。
将空洞卷积模型的实验结果与卷积模型的结果进行分析比对,训练时间、预测精度、Loss变化等角度分析。
不同超参数的对比分析(包括卷积层数、卷积核大小、不同dilation的选择,batchsize、lr等)选其中至少1-2个进行分析(选做)。
3. 残差网络实验
实现给定结构的残差网络,在至少一个数据集上进行实验,从训练时间、预测精度、L
2024-08-21 10:23:09
2.31MB
神经网络
1