Regularisering av neurala nätverk

Bildmodellering med Keras

Ariel Rokem

Senior Data Scientist, University of Washington

Dropout

I varje inlärningssteg:

Välj ut en delmängd av enheterna
Ignorera dem i det framåtriktade passet
Och vid bakåtpropagering av felet

Dropout

Dropout i Keras

from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten, Dropout

model = Sequential()
model.add(Conv2D(5, kernel_size=3, activation='relu', 
              input_shape=(img_rows, img_cols, 1)))

model.add(Dropout(0.25))

model.add(Conv2D(15, kernel_size=3, activation='relu'))
model.add(Flatten())
model.add(Dense(3, activation='softmax'))

Batchnormalisering

Skala om utdata

Batchnormalisering i Keras

from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten, BatchNormalization 


model = Sequential()
model.add(Conv2D(5, kernel_size=3, activation='relu', 
              input_shape=(img_rows, img_cols, 1)))

model.add(BatchNormalization())

model.add(Conv2D(15, kernel_size=3, activation='relu'))
model.add(Flatten())
model.add(Dense(3, activation='softmax'))

Var försiktig när du kombinerar dem!

Konflikten mellan dropout och batchnormalisering

Nu kör vi en övning!

Bildmodellering med Keras