《表4 网络超参值：一种基于CNN与LSTM结合的微表情识别算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于CNN与LSTM结合的微表情识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。