《表4 网络超参值:一种基于CNN与LSTM结合的微表情识别算法》
本文将预处理后的数据全部作为训练集,用于网络训练,表4是训练网络时的超参值。训练时,为了避免损失函数出现发散的情况,设置每迭代Steps_per_epoch×epochs即两万次时,学习率变为原来的1/2,循环10次,总的迭代次数为2×105,如图6和图7分别是训练时的准确率曲线图和损失函数曲线图。在记录训练数据时,采用Keras中回调函数Callbacks的History模块,每个Steps_per_epoch结束时记录一次,图6和图7分别记录了400个数据。
图表编号 | XD00130050200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.28 |
作者 | 吴进、闵育、马思敏、张伟华 |
绘制单位 | 西安邮电大学电子工程学院、西安邮电大学电子工程学院、西安邮电大学电子工程学院、西安邮电大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |