-1
A
回答
0
我的印象是,當你訓練這些網絡時,你應該保留一部分訓練數據用於測試階段。
這樣你可以使用一些標記的數據來評估模型的準確性。
相關問題
- 1. 神經網絡的準確性
- 2. Rapidminer神經網絡準確性
- 3. 神經網絡準確性優化
- 4. 經常性神經網絡的權重
- 5. 真的很差準確性與神經網絡
- 6. 卷積神經網絡的驗證準確性
- 7. 神經網絡的準確性正在下降
- 8. MNIST神經網絡:準確度很低
- 9. 經常性神經網絡的輸出長度
- 10. 用於面板數據的經常性神經網絡
- 11. 神經網絡MNIST:反向傳播是正確的,但培訓/測試的準確性非常低
- 12. 如何解決神經網絡的準確性成爲不變的問題?
- 13. 神經網絡 - 如何測試它是否正確實施?
- 14. 如何申請輟學在Tensorflow改善神經網絡的準確性?
- 15. 如何更改神經網絡以提高驗證集的準確性?
- 16. XOR Hebbian測試/示例神經網絡
- 17. Encog神經網絡驗證/測試
- 18. 使用Keras Python測試神經網絡
- 19. 調試神經網絡
- 20. 神經網絡
- 21. 神經網絡
- 22. 彈性BP神經網絡 - 約梯度
- 23. 神經網絡性能優化
- 24. 的神經網絡
- 25. 構建神經網絡的標準
- 26. 非標準輸入的神經網絡
- 27. 當使用具有單輸出神經元張量流的神經網絡時,損失和準確性爲0
- 28. sigmoid神經網絡
- 29. H2O.deeplearning神經網絡
- 30. 神經網絡:「InverseLayer」
測試方法?你沒有提到任何圖書館,也沒有提供你要求的具體信息。 「關於通用計算硬件和軟件的問題,除非他們直接涉及主要用於編程的工具,否則不適用於堆棧溢出。」 ([我可以在這裏詢問哪些主題?](https://stackoverflow.com/help/on-topic))。請更具體一些。 – charlesreid1