sem/CVML-MachineLearning
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

comments

Browse Source
This commit is contained in:
Sem van der Hoeven
2021-06-09 16:03:14 +02:00
parent 365b2b2703
commit 11bf5ce5a6
1 changed files with 6 additions and 2 deletions
Download Patch File Download Diff File Expand all files Collapse all files

8
exercises/Jupyter notebook CVML.ipynb
View File

@@ -2374,7 +2374,9 @@
"en de rmsprop als optimizer.\n", "en de rmsprop als optimizer.\n",
"We willen de accuracy vergelijken door deze als metric mee te geven.\n", "We willen de accuracy vergelijken door deze als metric mee te geven.\n",
"\n", "\n",
"TODO optimizer en loss uitleggen\n", "we gebruiken de rmsprop optimizer omdat deze goed te gebruiken is voor kleine\n",
"batch sizes.\n",
"TODO loss uitleggen\n",
"\"\"\"\n", "\"\"\"\n",
"model.compile(loss='categorical_crossentropy',\n", "model.compile(loss='categorical_crossentropy',\n",
" optimizer='rmsprop',\n", " optimizer='rmsprop',\n",
@@ -2630,7 +2632,9 @@
"\"\"\"\n", "\"\"\"\n",
"compile het model met de binary crossentropy loss function. Dit doen we omdat\n", "compile het model met de binary crossentropy loss function. Dit doen we omdat\n",
"we maar 2 verschillende klassen hebben.\n", "we maar 2 verschillende klassen hebben.\n",
"We gebruiken rmsprop als optimizer omdat INVULLEN\n", "We gebruiken rmsprop als optimizer omdat we een kleine batch size hebben.\n",
"Deze optimizer balanceert de step size zodat deze niet te groot of te klein \n",
"worden.\n",
"We gebruiken de accuracy als metric omdat we daarop willen trainen.\n", "We gebruiken de accuracy als metric omdat we daarop willen trainen.\n",
"\"\"\"\n", "\"\"\"\n",
"\n", "\n",