當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

计算多卷积核神经网络迭代次数---分类0，6

發布時間：2025/4/5 编程问答 33 豆豆

生活随笔收集整理的這篇文章主要介紹了计算多卷积核神经网络迭代次数---分类0，6 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

制作一個分類mnist0和6的網絡，向這個網絡分別加上1-8個卷積核，在網絡迭代停止標準同樣的前提下網絡的迭代次數與卷積核的數量之間有什么關系？

網絡的結構是

(mnist 0 ,mnist6)81-con(3*3)*n-(49*n)-2-(1,0) || (0,1)

將mnist的28*28的圖片變成9*9的向這個網絡上加n個3*3的卷積核，隱藏層節點數是49*n，讓0向(1，0)收斂，讓6向(0，1)收斂

(mnist 0 ,mnist6)81-30-2-(1,0) || (0,1)

另外制作了一個81*30*2的網絡來分辨0和6用以比較卷積核對網絡性能的影響。

網絡迭代的停止標準是

網絡的輸出值-目標函數<δ,讓δ分別等于0.5到1e-6的34個值。

每個δ收斂199次，統計平均值來比較迭代次數。一共收斂了9*34*199次。

得到的迭代次數表格

?	?	1	2	3	4	5	6	7	8
δ	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n
0.5	8.6834171	17.653266	15.160804	14.020101	12.58794	14.140704	12.919598	10.718593	11.748744
0.4	215.15578	1768.7487	1121.4472	865.26131	733.18593	658.62312	585.07035	536.05025	478.55276
0.3	273.73367	1982.9045	1295.5377	1038.5176	890.37688	765.37688	702.85427	634.21106	587.14573
0.2	325.48241	2103.8141	1438.6935	1180.0653	986.23618	854.98492	767.59296	735.8191	660.33166
0.1	395.69347	2265.0452	1636.8593	1280.7387	1103.4271	975.64322	897.45729	830.28643	761.88442
0.01	724.24121	2886.7286	2070.7035	1728.4221	1445.1156	1306.7739	1228.6432	1155.2412	1089.1055
0.001	1678.2161	3658.6583	2828.0704	2433.8744	2222.2613	2105.4322	2000.8744	1900.6482	1850.8442
9.00E-04	1709.4623	3697.0804	2864.4724	2462.201	2298.7236	2144.9698	2022.9749	1980.8945	1976.3819
8.00E-04	1749.9397	3813.1558	2914.995	2493.407	2321.4573	2208.1256	2137.6683	2087.407	2057.4673
7.00E-04	1818.1005	3888.5678	2995.2312	2557.0754	2397.6683	2306.9648	2219.9899	2137.8894	2146.7236
6.00E-04	1904.0151	4011.5427	3039.0854	2645.4874	2477.8291	2394.4925	2326.9146	2293.1809	2332.1307
5.00E-04	2007.0251	4223.5377	3194.1156	2698.5025	2543.8291	2486.7387	2441.3266	2397.9497	2463.608
4.00E-04	2153.5729	4409.8945	3217.6583	2890.5477	2704.2312	2628.5477	2652.5678	2903.3518	2961.0151
3.00E-04	2502.191	4489.7638	3461.4372	3059.5578	2889.191	2861.2312	2994.4874	3386.3467	4177.5779
2.00E-04	3039.9598	5081.8342	3682.6683	3349.2864	3234.9548	3534.8342	4513.4673	7070.6533	10733.593
1.00E-04	4244.5025	5911.2362	4740.4221	4387.6533	4811.5628	9440.9045	16928.744	29130.492	40165.648
9.00E-05	4611.0151	6024.4271	4853.2211	4814.2714	6531.1106	11996.367	24860.623	34127.09	44416.598
8.00E-05	4979.8241	6175.6784	5145.1558	5058.3568	8094.7387	14235.196	29252.834	42216.266	50695.99
7.00E-05	5582.4171	6444.5327	5445.4121	5416.7286	9838.5779	20839.156	33675.377	47500.402	56677.281
6.00E-05	6007.1307	6834.995	5599.6482	6069.0302	14818.447	26168.302	42218.839	52767.608	61309.392
5.00E-05	6695.7688	7156.5377	6186.6734	8016.6985	19580.558	36232.206	52017.734	63016.286	71553.834
4.00E-05	7538.201	7593.9447	6916.3367	11556.417	26456.271	45551.045	62405.985	71692.221	79059.467
3.00E-05	9498.8945	8180.5377	9194.1558	16957.412	43914.382	61174.688	73819.412	81788.327	89809.337
2.00E-05	11646.196	10213.543	18739.111	33563.231	59589.688	73215.854	85464.01	92151.834	102103.93
1.00E-05	22574.196	19651.729	41896.678	68355.231	83610.965	94331.412	103681.38	113498.92	121118.23
9.00E-06	25538.779	20885.312	42996.055	70862.427	90802.211	99530.347	110135.51	114852.65	121828.87
8.00E-06	27916.98	24642.538	52387.503	79048.739	93258.754	102546.6	112194.92	118508.33	126289.47
7.00E-06	31637.462	27518.779	55199.593	79143.04	98227.915	106279.72	114924.83	121796.6	130141.88
6.00E-06	36115.844	30032.849	62003.724	84098.618	98744.518	111379.83	117613.08	125971.36	132041.94
5.00E-06	40017.714	35112.101	71847.538	96445.819	105003.18	116716	122757.41	132598.32	135345.2
4.00E-06	45506.95	47182.432	79798.08	100823.3	110091.35	122771.86	131234.58	137044.15	144725.52
3.00E-06	49939.482	54222.628	87546.779	109876.32	122024.68	130755.47	138650.12	143233.09	150943.39
2.00E-06	56831.613	74638.523	106144.71	125012.34	131271.88	138876.47	147972.34	154632.41	162821.36
1.00E-06	66473.603	106216.3	128344.68	143039.82	150997.4	158129.72	165428.17	171266.96	179712.57
?	?	?	?	?	?	?	?	?	?
ni+1/ni	?	1.5978718	1.2083333	1.1144975	1.0556319	1.0472347	1.0461548	1.035295	1.0493126
(i+1)0.5/i0.5		#DIV/0!	1.4142136	1.2247449	1.1547005	1.118034	1.0954451	1.0801234	1.069045

可以看到網絡的迭代次數的比是與卷積核的數量的平方根的比相關的

i	?	?	1	2	3	4	5	6	7	8
a1	ni+1/ni	?	1.597872	1.208333	1.114497	1.055632	1.047235	1.04615478	1.035295041	1.049312565
a2	(i+1)0.5/i0.5		#DIV/0!	1.414214	1.224745	1.154701	1.118034	1.09544512	1.08012345	1.069044968
a2/a1	?	?	?	1.170384	1.098921	1.093848	1.067606	1.04711572	1.043300128	1.018805076

擬合卷積核的數量n與卷積核的平方根的比與迭代次數的比的比值

可以得到表達式

α=1.2352070255191652*x**-0.09098224276029905

0.961148410720695?? ******? 決定系數 r**2

由此可以得到一個遞推公式

由這個遞推公式和n2可以得到一個一般的表達式

比如計算n4

得到表格

?	1	2	3	4	5	6	7	8
計算值	?	?	140635	149141.9	156281.948	163138.9386	170286.4882	178074.4
實測值	106216.3	128344.6834	143039.8	150997.4	158129.724	165428.1658	171266.9598	179712.6
?	?	?	?	?	?	?	?	?
誤差	?	?	0.016812	0.012288	0.01168519	0.013838195	0.005724815	0.009115

然后比較不同卷積核網絡的性能

首先比較平均準確率(199次收斂準確率的平均值)

?	?	1	2	3	4	5	6	7	8
δ	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave
0.5	0.5468026	0.5103847	0.5123346	0.5131488	0.5114504	0.5182932	0.5117849	0.5220867	0.5129958
0.4	0.9078701	0.6849651	0.7294289	0.7177529	0.7387401	0.7799342	0.7515078	0.7353615	0.6603088
0.3	0.9319508	0.8493811	0.8064886	0.7787882	0.7706826	0.809919	0.7931323	0.7657431	0.7061183
0.2	0.9390036	0.8842121	0.8430309	0.7916984	0.7769238	0.7988161	0.81162	0.7772298	0.7144987
0.1	0.9224502	0.9060291	0.8645705	0.8157428	0.7675996	0.7674544	0.7737086	0.7611769	0.7107208
0.01	0.9616348	0.8981129	0.8551296	0.7470402	0.6702034	0.739238	0.8318942	0.8050313	0.7327219
0.001	0.974291	0.8983358	0.8359185	0.797823	0.7839481	0.7290425	0.6929254	0.6490476	0.6299195
9.00E-04	0.9745503	0.8983099	0.843381	0.7896967	0.7741027	0.7383771	0.6959306	0.6793488	0.6586026
8.00E-04	0.9760075	0.9037966	0.8481857	0.7755159	0.7548734	0.7385638	0.7148721	0.7163864	0.6986532
7.00E-04	0.9789246	0.906444	0.8344509	0.7925022	0.7444602	0.7533903	0.7373996	0.7250572	0.7361057
6.00E-04	0.9826299	0.9007628	0.8285364	0.7849542	0.7467083	0.7486296	0.7515934	0.7666221	0.7686368
5.00E-04	0.9857855	0.9062495	0.8367612	0.7883795	0.7560558	0.7345292	0.7613558	0.7855454	0.7838859
4.00E-04	0.9842842	0.9164242	0.8273773	0.7892637	0.764374	0.7348015	0.7546842	0.7637595	0.7728555
3.00E-04	0.9814449	0.9094596	0.8283627	0.8011082	0.7834088	0.7493634	0.7363028	0.7583221	0.7865255
2.00E-04	0.9831588	0.9129652	0.8388641	0.82208	0.800001	0.7958471	0.7973588	0.8478071	0.8642334
1.00E-04	0.9788182	0.9342222	0.867695	0.843215	0.8458417	0.8801152	0.9154622	0.9382542	0.9563478
9.00E-05	0.9787949	0.9385317	0.8809216	0.8543362	0.8626362	0.8927481	0.9289248	0.9427556	0.9569831
8.00E-05	0.979845	0.9386069	0.8894861	0.8551867	0.8581089	0.9044889	0.943103	0.958474	0.9682235
7.00E-05	0.9795261	0.9438939	0.9014941	0.8454113	0.8881145	0.9219965	0.9412231	0.9675363	0.9759141
6.00E-05	0.9787768	0.9441739	0.902539	0.8598877	0.8886875	0.9295212	0.960971	0.9715528	0.975603
5.00E-05	0.9772391	0.9449336	0.9113239	0.8868724	0.9016989	0.944052	0.9662191	0.9797776	0.9796687
4.00E-05	0.9673704	0.9461394	0.921732	0.906138	0.9392836	0.9611395	0.9764301	0.9778666	0.9790568
3.00E-05	0.9658146	0.9385317	0.9248306	0.9210189	0.9573305	0.9703341	0.9780222	0.9785901	0.9785564
2.00E-05	0.9780637	0.9396	0.9291219	0.9434194	0.9694733	0.9725511	0.9756004	0.973526	0.9754785
1.00E-05	0.982954	0.9445499	0.9586503	0.9677516	0.970399	0.9678267	0.9699763	0.9727793	0.9740161
9.00E-06	0.9823265	0.9504385	0.9558033	0.9691906	0.9688276	0.9700074	0.9678501	0.9707334	0.9706608
8.00E-06	0.9823135	0.9505681	0.9611862	0.9679823	0.9661854	0.9667974	0.9692995	0.9716228	0.9698518
7.00E-06	0.9828321	0.9548543	0.9656953	0.9682157	0.9681664	0.9656746	0.9690325	0.9683765	0.9720792
6.00E-06	0.9822357	0.95334	0.9686669	0.9727508	0.9683324	0.9658172	0.9672537	0.9701604	0.9742028
5.00E-06	0.9832781	0.9545457	0.9724785	0.9710576	0.9704741	0.9692399	0.9706945	0.9684672	0.9729737
4.00E-06	0.9828866	0.9621534	0.968978	0.9689573	0.9693047	0.9698052	0.9703445	0.9716384	0.9751985
3.00E-06	0.984069	0.9664784	0.9743273	0.9665147	0.9666807	0.9707749	0.9702589	0.9715087	0.9719884
2.00E-06	0.9856118	0.9728311	0.9763679	0.9700645	0.9695018	0.9715554	0.9738139	0.9720455	0.9750922
1.00E-06	0.9874709	0.9776877	0.978227	0.9768061	0.9747966	0.9742936	0.9760905	0.9767568	0.9770784

實測表明不加卷積核的網絡81*30*2的平均性能要好于加了卷積核的網絡（1-8以內），卷積核數量為2的時候平均性能最優，n>4以后隨著卷積核的數量的增加平均性能增加，平均性能曲線大致先增加，再減小，再增加

比較大小順序81*30*2>2>9>8>1>7>6>5>4>3

也就是卷積核數量的增加對這個網絡的平均性能沒有任何正面價值。

比較最大性能

?	?	1	2	3	4	5	6	7	8
δ	最大值p-max	最大值p-max	最大值p-max	最大值p-max	最大值p-max	最大值p-max	最大值p-max	最大值p-max	最大值p-max
0.5	0.9071207	0.8240454	0.7641899	0.7745098	0.8095975	0.7961816	0.8219814	0.8188854	0.9086687
0.4	0.9453044	0.9669763	0.9700722	0.9726522	0.9705882	0.9705882	0.9695562	0.9721362	0.9649123
0.3	0.9545924	0.9654283	0.9690402	0.9736842	0.9674923	0.9685243	0.9674923	0.9700722	0.9654283
0.2	0.9509804	0.9643963	0.9690402	0.9649123	0.9638803	0.9680083	0.9711042	0.9674923	0.9649123
0.1	0.9422085	0.9721362	0.9680083	0.9669763	0.9731682	0.9561404	0.9664603	0.9680083	0.9664603
0.01	0.9752322	0.9747162	0.9721362	0.9659443	0.9711042	0.9690402	0.9674923	0.9685243	0.9654283
0.001	0.9871001	0.9742002	0.9747162	0.9762642	0.9716202	0.9726522	0.9731682	0.9762642	0.9783282
9.00E-04	0.9876161	0.9726522	0.9767802	0.9798762	0.9783282	0.9721362	0.9747162	0.9757482	0.9772962
8.00E-04	0.9876161	0.9747162	0.9757482	0.9772962	0.9752322	0.9752322	0.9736842	0.9752322	0.9757482
7.00E-04	0.9876161	0.9762642	0.9793602	0.9752322	0.9757482	0.9752322	0.9742002	0.9767802	0.9752322
6.00E-04	0.9881321	0.9762642	0.9778122	0.9767802	0.9778122	0.9736842	0.9752322	0.9767802	0.9778122
5.00E-04	0.9876161	0.9752322	0.9752322	0.9757482	0.9762642	0.9757482	0.9767802	0.9762642	0.9767802
4.00E-04	0.9881321	0.9772962	0.9736842	0.9736842	0.9788442	0.9747162	0.9747162	0.9783282	0.9767802
3.00E-04	0.9876161	0.9762642	0.9752322	0.9747162	0.9747162	0.9814241	0.9752322	0.9793602	0.9834881
2.00E-04	0.9855521	0.9798762	0.9747162	0.9757482	0.9814241	0.9829721	0.9850361	0.9845201	0.9860681
1.00E-04	0.9860681	0.9798762	0.9798762	0.9809082	0.9855521	0.9865841	0.9865841	0.9871001	0.9876161
9.00E-05	0.9860681	0.9788442	0.9814241	0.9840041	0.9855521	0.9865841	0.9876161	0.9876161	0.9871001
8.00E-05	0.9860681	0.9798762	0.9809082	0.9829721	0.9855521	0.9871001	0.9876161	0.9876161	0.9871001
7.00E-05	0.9860681	0.9819401	0.9834881	0.9840041	0.9871001	0.9865841	0.9871001	0.9871001	0.9871001
6.00E-05	0.9860681	0.9809082	0.9819401	0.9840041	0.9876161	0.9871001	0.9876161	0.9871001	0.9876161
5.00E-05	0.9860681	0.9824561	0.9829721	0.9860681	0.9865841	0.9881321	0.9881321	0.9876161	0.9881321
4.00E-05	0.9860681	0.9824561	0.9840041	0.9876161	0.9881321	0.9886481	0.9876161	0.9881321	0.9881321
3.00E-05	0.9860681	0.9819401	0.9865841	0.9871001	0.9881321	0.9881321	0.9876161	0.9876161	0.9876161
2.00E-05	0.9855521	0.9829721	0.9871001	0.9871001	0.9876161	0.9891641	0.9886481	0.9876161	0.9876161
1.00E-05	0.9871001	0.9865841	0.9891641	0.9881321	0.9886481	0.9881321	0.9886481	0.9881321	0.9881321
9.00E-06	0.9876161	0.9865841	0.9881321	0.9881321	0.9886481	0.9886481	0.9881321	0.9881321	0.9876161
8.00E-06	0.9871001	0.9871001	0.9891641	0.9886481	0.9886481	0.9891641	0.9886481	0.9881321	0.9881321
7.00E-06	0.9876161	0.9876161	0.9886481	0.9896801	0.9886481	0.9881321	0.9881321	0.9886481	0.9886481
6.00E-06	0.9876161	0.9865841	0.9891641	0.9891641	0.9891641	0.9886481	0.9886481	0.9881321	0.9881321
5.00E-06	0.9876161	0.9876161	0.9891641	0.9896801	0.9886481	0.9881321	0.9886481	0.9881321	0.9886481
4.00E-06	0.9876161	0.9891641	0.9891641	0.9891641	0.9886481	0.9881321	0.9886481	0.9881321	0.9891641
3.00E-06	0.9886481	0.9886481	0.9896801	0.9891641	0.9886481	0.9891641	0.9886481	0.9891641	0.9886481
2.00E-06	0.9896801	0.9886481	0.9896801	0.9891641	0.9896801	0.9891641	0.9896801	0.9891641	0.9891641
1.00E-06	0.9901961	0.9891641	0.9901961	0.9891641	0.9891641	0.9881321	0.9886481	0.9901961	0.9896801
?	?	1	2	3	4	5	6	7	8

觀察當δ=1e-6時的最大性能曲線也可以看到一個隨著卷積核的數量先增加在減小再增加的曲線。81*30*2的最大性能與2，7個卷積的網絡是相同的，

比較大小順序

81*30*2=2=7>8>1=3=4>6>5

加卷積核對這個網絡的最大性能沒有任何提升。

最后比較收斂時間

?	?	1	2	3	4	5	6	7	8
δ	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199	耗時 min/199
0.5	0.0594833	0.1027667	0.1791667	0.29335	0.4006833	0.4582167	0.5820667	0.6513	0.7267833
0.4	0.0688167	0.41515	0.5556667	0.74085	0.92655	1.0027833	1.2061667	1.2889833	1.3681833
0.3	0.0735	0.4524167	0.63485	0.8304667	1.0459167	1.0932833	1.3382	1.40825	1.5167833
0.2	0.0761167	0.4743333	0.6875167	0.9075333	1.1331667	1.1777333	1.4141833	1.5341167	1.6148833
0.1	0.08055	0.5015667	0.77695	0.9595167	1.2171833	1.2770833	1.6452	1.6549667	1.7564167
0.01	0.1003667	0.6139167	0.9535667	1.1939	1.4581333	1.56075	2.0986167	2.0537167	2.2004
0.001	0.1605667	0.75275	1.20525	1.5650167	2.0471	2.2436333	2.8341167	2.97565	3.25065
9.00E-04	0.15695	0.7572833	1.2236333	1.58225	2.1044167	2.2771167	2.9567333	3.07425	3.4253
8.00E-04	0.1608167	0.7789	1.2470833	1.5955833	2.1230667	2.3317333	2.9087167	3.2097833	3.5347167
7.00E-04	0.1657833	0.7934333	1.2719833	1.631	2.1694333	2.4120167	2.9677167	3.2728667	3.66385
6.00E-04	0.1697333	0.8130333	1.2714	1.68955	-0.572617	2.4884667	-0.701683	3.5267	3.9177167
5.00E-04	0.1767333	0.8515167	1.3381	1.7075333	2.2644833	2.5652	3.1778833	3.63125	4.11165
4.00E-04	0.1848167	0.8808	1.34375	1.8164667	2.39655	2.6835667	3.3839667	4.2241333	4.7730333
3.00E-04	0.2057	0.8989667	1.4334667	1.8969167	2.5072833	2.8873333	3.6362167	4.82035	5.3264167
2.00E-04	0.2372333	1.0038	1.5188	2.0594667	2.7646333	3.46175	5.24425	9.4351167	15.471217
1.00E-04	0.3082333	1.1541667	1.8969667	2.6597167	3.912	8.5081833	18.0385	36.29005	55.795917
9.00E-05	0.3294667	1.1660167	1.9362667	2.9314667	5.1728	10.6919	25.328483	41.195733	62.1303
8.00E-05	0.3506	1.1933833	2.0559	2.8837167	6.3216333	12.607617	30.615267	51.981083	69.67725
7.00E-05	0.39045	1.2453333	2.1631667	3.0356667	7.5124333	18.312117	34.16835	58.40215	77.737767
6.00E-05	0.41445	1.3131833	2.2123833	3.3429833	10.831017	23.456867	44.126533	64.850117	82.113017
5.00E-05	0.4533333	1.37165	2.4492	4.3357167	14.206083	31.636	54.42735	77.797417	95.811033
4.00E-05	0.507	1.447	2.71425	6.136	16.415617	38.293233	63.737833	88.9993	107.29325
3.00E-05	0.6197667	1.5405833	3.5367	7.7457167	30.983683	52.6039	73.260917	99.482233	119.26095
2.00E-05	0.7452667	1.903	7.0024833	17.802833	41.651883	61.47815	87.924333	112.97233	135.2249
1.00E-05	1.3909333	3.5972	11.67965	35.660583	59.160183	80.514817	106.55292	138.4477	162.41922
9.00E-06	1.5650667	3.8120667	15.851933	35.7808	61.68055	83.219283	114.26483	138.03458	165.40118
8.00E-06	1.7059833	4.4442167	18.6956	39.130267	63.832933	88.433933	115.81005	140.16613	171.9343
7.00E-06	1.9292	4.94315	18.987817	41.772417	64.9443	88.162567	118.66493	145.78023	177.7956
6.00E-06	2.1891167	5.3995167	18.9547	42.29215	68.522017	98.038633	120.93347	150.18782	181.02908
5.00E-06	2.4219333	6.3022667	24.781483	48.674917	72.252467	93.51065	125.40655	157.26028	185.7214
4.00E-06	2.7479667	8.4284833	27.185667	52.3063	76.41675	103.17003	135.91942	163.0033	198.2081
3.00E-06	3.0063167	9.8170167	31.028683	54.9185	79.566067	110.10823	141.78647	170.37593	205.73457
2.00E-06	3.4132167	13.364617	34.890433	63.395017	88.89515	122.34317	152.8279	182.82148	225.41838
1.00E-06	3.9796667	18.89445	43.154467	73.800733	100.83365	137.28115	169.53163	203.66297	245.47283
?	?	?	?	?	?	?	?	?	?
和	30.545133	101.42793	286.81893	559.0749	897.0972	1292.2911	1768.0181	2268.4723	2780.8371

當δ=1e-6的

?	?	?	?	?	?	?	?	?	?	?	?
?	?	?	?	1	2	3	4	5	6	7	8
耗時	t	1.00E-06	3.979667	18.89445	43.15447	73.80073	100.83365	137.28115	169.5316333	203.663	245.4728
迭代次數	n	1.00E-06	66473.6	106216.2965	128344.7	143039.8	150997.402	158129.7236	165428.1658	171267	179712.6
?	?	?	?	?	?	?	?	?	?	?	?
?	t/n	?	?	0.000177887	0.000336	0.000516	0.00066778	0.000868155	0.001024805	0.001189	0.001366
?	(ti+1/ni+1)/(ti/ni)			#DIV/0!	1.890187	1.534461	1.29429211	1.300053975	1.180439939	1.160372	1.148647
?	?	?	?	?	?	?	?	?	?	?	?
?	(i+1)/i	?	?	?	2	1.5	1.33333333	1.25	1.2	1.166667	1.142857

可以得到關系

單次迭代的耗時與卷積核數量成正比

由這個遞推關系可得到表達式

得到表格

?	1	2	3	4	5	6	7	8
計算值	?	?	70.92307	100.284224	131.3565527	164.5439066	200.3785	239.4774
實測值	13.36461667	34.89043	63.39502	88.89515	122.3431667	152.8279	182.8215	225.4184
誤差	?	?	0.118748	0.12811806	0.073672983	0.076661438	0.096034	0.062368

時間隨著卷積核數量的增加快速增加，排序

8>7>6>5>4>3>2>1>81*30*2

比較δ=1e-6的耗時，8個卷積核的網絡要比81*30*2的網絡慢了60倍，但無論最大性能還是平均性能并沒有因為多花了60倍的時間而有任何提升。

綜合上面的幾個表格（8個卷積核以內）

卷積核的迭代次數與卷積核的平方根的比值成正比，卷積核越多迭代次數也越多

2. 比較平均性能和最大性能

平均性能：81*30*2>2>9>8>1>7>6>5>4>3

最大性能：81*30*2=2=7>8>1=3=4>6>5

?從數據看加卷積核對這個網絡的性能的提升幾乎沒有任何正面價值，因為無論加幾個卷積核原始的81*30*2的平均性能和最大性能都是最好的。也側面表明了卷積核的數量應該是有上限的。

在前面二分類0，1的實驗中也出現了同樣的現象，原始網絡要優于加卷積核的網絡。但是在二分類0，5的實驗中加卷積核的網絡要明顯強于未加卷積核的網絡，這幾次實驗做對比可以得出假設，卷積核加強了網絡的局部分辨能力，但卻同時弱化了網絡的整體把握能力。

《到底應該加幾個卷積核?》二分類0，1

《卷積核的數量是不是越多越好？-分類0，5》

3.比較耗時

?? 比較δ=1e-6的耗時

81302	1	2	3	4	5	6	7	8
1	4.7477469	10.843739	18.544451	25.33721	34.49564	42.599456	51.175886	61.681757

卷積核越多耗時也越多。

總結

以上是生活随笔為你收集整理的计算多卷积核神经网络迭代次数---分类0，6的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：浙派集成灶的价格很实在的，质量怎么样？
下一篇：神经网络的光谱