深度学习 7. MatConvNet 相关函数解释说明,MatConvNet 代码理解(三)cnn_mnist_experiments.m 的注释

版权声明:本文为博主原创文章,转载必须注明是转载文章和原文超链接以及作者信息。 https://blog.csdn.net/qq_20259459/article/details/54600368

本文为原创文章转载必须注明本文出处以及附上 本文地址超链接  以及 博主博客地址http://blog.csdn.net/qq_20259459  和 作者邮箱[email protected] )。

(如果喜欢本文,欢迎大家关注我的博客或者动手点个赞,有需要可以邮件联系我)



接上一篇文章(阅读上一篇文章:http://blog.csdn.net/qq_20259459/article/details/54586864 



(三)cnn_mnist_experiments.m


%% 原Code需要修改,不然会有错误发生,修改后代码如下:
%调用cnn_mnist_init函数
[net_bn, info_bn] = cnn_mnist(...  
  'expDir', 'data/mnist-bnorm', 'batchNormalization', true);  
%调用cnn_mnist函数
[net_fc, info_fc] = cnn_mnist(...  
  'expDir', 'data/mnist-baseline', 'batchNormalization', false);  


%% 画图val和error。并且画出objective和top1,top5的对比图。
figure(1) ; clf ;  
subplot(1,2,1) ;  
a1=info_fc.val.objective;  
a1=a1';  
semilogy(a1, 'o-') ; hold all ;  
b1=info_bn.val.objective;  
b1=b1';  
semilogy(b1, '+--') ;  
xlabel('Training samples [x 10^3]'); ylabel('energy') ;  
grid on ;  
h=legend('BSLN', 'BNORM') ;  
set(h,'color','none');  
title('objective') ;  
subplot(1,2,2) ;  
c1=info_fc.val.top1err;  
c1=c1';  
plot(c1, 'o-') ; hold all ;  
d1=info_bn.val.top1err;  
d1=d1';  
plot(d1, '+--') ;  
h=legend('BSLN-val','BSLN-val-5','BNORM-val','BNORM-val-5') ;  
grid on ;  
xlabel('Training samples [x 10^3]'); ylabel('error') ;  
set(h,'color','none') ;  
title('error') ;  



本文为原创文章转载必须注明本文出处以及附上 本文地址超链接  以及 博主博客地址http://blog.csdn.net/qq_20259459  和 作者邮箱[email protected] )。

(如果喜欢本文,欢迎大家关注我的博客或者动手点个赞,有需要可以邮件联系我)

猜你喜欢

转载自blog.csdn.net/qq_20259459/article/details/54600368