深度學習｜內行人的做法

使用 CNN，為手寫圖片建立模型

|

205

.layer(5, new OutputLayer

.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)

.nOut(outputNum)

.activation(Activation.SOFTMAX)

.build())

這個輸出層採用了一個負對數可能性損失函數（這是一般 softmax 輸出層常見的做法），

而輸出單元的數量，就等於我們要進行分類或給予標籤的數量。

CNN 的訓練

現在我們已建立了一個 LeNet 卷積模型架構，接下來就可以初始化

MultiLayerNetwork

物

件，以我們的輸入資料集進行訓練了。下面的程式碼顯示的就是如何從前一節的網路

中，取得配置與設定配置的方法：

MultiLayerNetwork model = new MultiLayerNetwork(conf);

model.init();

模型配置好之後，就可以運用輸入 MNIST 資料集，根據所要進行的 epoch 階段數量進

行訓練，做法如下：

log.info("Train model....");

model.setListeners(new ScoreIterationListener(1));

for( int i=0; i<nEpochs; i++ ) {

model.fit(mnistTrain);

log.info("*** Completed epoch {} ***", i);

log.info("Evaluate ...