![](https://cdn-ak-scissors.b.st-hatena.com/image/square/3d2a72b2b8fae3eab410482094e784b9af55b6aa/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBtYXJzaGkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTM5NWQ5MTM4ZWVmMTM0NDRlYzE1NDU2ODk5MzVjYjgy%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D6cd09afe169cb4fc3bd7dd5f406ce0ed)
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。
記事へのコメント1件
- 注目コメント
- 新着コメント
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
ニューラルネットワークのハイパーパラメーターをベイズ最適化実装 (Chainer+GPyOpt) - Qiita
結果を踏まえて エポック数や隠れ層のチャンネル数は上限になりました. まあ,今回はパソコンのスペッ... 結果を踏まえて エポック数や隠れ層のチャンネル数は上限になりました. まあ,今回はパソコンのスペックの問題があって,エポック数を少なめにしましたね(それでも20イテレーションしか回らなかった,特に後の方はエポック数とバッチサイズが上限のものばかり試していたのでめっちゃ時間がかかった)。 エポック数などの上限をあげれば,もっと精度は高くなると思われます。 まあ,それでも最適化されているようでよかったです。 ニューラルネットワークの方の実装 chainerで実装しました。 test_mnist_nn関数というものを作りました。この関数はニューラルネットワークのハイパーパラメーターを入力にとって,誤答率を出力する関数です。この誤答率を最小にするように,ベイズ最適化を行います。 #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ パラメーターを最適
2017/01/28 リンク