【第3次作业】卷积神经网络

● MNIST 数据集分类

构建简单的CNN对 mnist 数据集进行分类。同时，还会在实验中学习池化与卷积操作的基本作用。

 

 

 

 

 

 

FC2Layer:

 

 

CNN:

 

 

打乱像素顺序后

FC2Layer:

 

 CNN：

 

 打乱像素顺序后，CNN的正确率低于FC2Layer。

 

● CIFAR10 数据集分类

使用 CNN 对 CIFAR10 数据集进行分类。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

● 使用 VGG16 对 CIFAR10 分类

使用著名的VGG16网络对 CIFAR10 数据集进行分类。

 

 

 

 可以看到，使用一个简化版的 VGG 网络，就能够显著地将准确率由 62%，提升到 84.92%

 

一般情况下卷积神经网络的效果优于传统神经网络，但传统神经网络也有更适用的场景。

 

问题：

 除了卷积层与全连接层后还有什么时候要用到激活函数？

 为什么这种情况下FC2Layer会优于CNN？什么情况下CNN才是更优解呢？