エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Caffeを使ったCNNによる手書き文字分類 [2] – CNNの構造と学習の仕組み – 65536.tech
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Caffeを使ったCNNによる手書き文字分類 [2] – CNNの構造と学習の仕組み – 65536.tech
前回、ディープラーニングにおけるデータセットの重要性について説明しました。 さらに、CNNが識別器と... 前回、ディープラーニングにおけるデータセットの重要性について説明しました。 さらに、CNNが識別器として動作するためには、訓練という過程が必要であり、それには多数の訓練データとその正解データが必要であることを述べました。 加えて、実際の未知画像に対してもどれくらい適応可能なのかを知るために、正答率の目安を知るためのデータ、つまりテストデータとその正解データも必要なことを説明しました。 ここでの目的は、手書き文字の分類をMNISTというデータセットを使い行うことですが、実際にこのデータセットを使って学習をさせるには、CNNの構造を定義する必要があります。 そこでこの記事では、CNNの構造を簡単に説明します。もし動くコードが先に欲しくて、中身がどうなっているかは後回しで構わない、あるいは興味がない人は、この記事は飛ばして次に行っても構いません。 おそらく他のインターネット記事に多くあるように、