1794-IB16

1794-IB16

1794-IB16

如果一切都顺利的话，你将会在你的虚拟环境下的src/lasagne/examples/目录中找到mnist.py并运行MNIST例子。这是一个对于神经网络的“Hello world”程序。数据中有十个分类，分别是0~9的数字，输入时28&TImes;28的手写数字图片。

cd src/lasagne/examples/
python mnist.py

此命令将在三十秒左右后开始打印输出。 这需要一段时间的原因是，Lasagne使用Theano做重型起重; Theano反过来是一个“优化GPU元编程代码生成面向数组的优化Python数学编译器”，它将生成需要在训练发生前编译的C代码。 幸运的是，我们组需要在*次运行时支付这个开销的价格。

译者：如果没有配置GPU，用的是CPU的话，应该是不用这么久的编译时间，但是执行时间有一些长。如果用GPU，在*次跑一些程序的时候，会有提示正在编译的内容。

当训练开始的时候，你会看到
Epoch 1 of 500
training loss: 1.352731
validaTIon loss: 0.466565
validaTIon accuracy: 87.70 %
Epoch 2 of 500
training loss: 0.591704
validation loss: 0.326680
validation accuracy: 90.64 %
Epoch 3 of 500
training loss: 0.464022
validation loss: 0.275699
validation accuracy: 91.98 %
…

如果你让训练运行足够长，你会注意到，在大约75代之后，它将达到大约98％的测试精度。

咨询   或

购买 ​:  或：

Allen Bradley 1785-L46C15  
Allen Bradley 1785-L60B  
Allen Bradley 1785-L60L  
Allen Bradley 1785-L80B  
Allen Bradley 1785-L80C15  
Allen Bradley 1785-L80E  
Allen Bradley 1785-L86B  
Allen Bradley 1785-LT  
Allen Bradley 1785-LT2  
Allen Bradley 1785-LT3  
Allen Bradley 1785-LT4  
Allen Bradley 1785-M100  
Allen Bradley 1785-ME16  
Allen Bradley 1785-ME32  
Allen Bradley 1785-ME64  
Allen Bradley 1785-MJ