【機械学習】画像認識の試行錯誤(5)

つづき

6.損失関数の変更

 binary_crossentropy(交差エントロピー)が基準であるが、他の関数に変えた時の

正解率を調べることにする。なお、CNNの構造は、前回の5.2.1とした。

やはり、基準の binary_crossentropyが良い。以降はこれを使う事にする。

損失関数 binary_crossentropy mean_squared_error hinge
正解率 0.8157 0.7243 無限ループ(*)

(*)損失が変わらないために、同じ計算を最大数回繰り返した。

 

7.最適化関数の変更

 Adamが基準であるが、他の関数に変えた時の

正解率を調べることにする。なお、CNNの構造は、前回の5.2.1とした。

基準のAdamよりもRMSpropの方が良い。以降はこれを使う事にする。

最適化関数 Adam RMSprop Nadam
正解率 0.8157 0.8253 0.7548

 

8.CNN構造の変更を再試行

 追加した層が2つの場合に正解率が下がった事に納得がいかなかったので、最適化関数を

RMSpropに変えて調べてみた。正解率が上がり、ドロップアウト率は0.25が良い。

ドロップアウト率 追加なし 0.2 0.25 0.33
正解率 0.8253 0.673 0.8525 0.8493

 

次回へつづく

 

<個人的な感想>

 層が多いほうが正解率が上がる事に納得した。それにしても、最適化関数の選び方でCNNの

構造が変わる事は予想外であった(Adamは基準関数なのに・・・)。

 

<リンク>

ブログのトップページは、こちら

バタイユゲーム情報班のホームページは、こちら