# 视觉应用--机器学习深度学习基作业

**Repository Path**: lcj818/MLDLhomework

## Basic Information

- **Project Name**: 视觉应用--机器学习深度学习基作业
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-03-24
- **Last Updated**: 2025-05-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

本周作业使用的代码在资料下载中，该代码使用全连接神经网络对Fashion MNIST数据集进行分类。 

关于Fashion MNIST数据集，它是一个用于替代MNIST手写数字集的图像数据集，它由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供，其涵盖了来自10种类别的共7万个不同商品的正面图片。 

FashionMNIST的大小（28x28）、格式（灰度图片）和训练集/测试集划分（60000/10000）与原始的MNIST完全一致。 

作业要求： 

任务一： 

搭建模型，要求设置两层隐层： 

- 第一层隐层设置：神经元个数256，初始化方法为glorot_normal，激活函数为tanh 

- 第二层隐层设置：神经元个数128，初始化方法为glorot_normal，激活函数为tanh 

然后，运行模型训练和测试集评估代码。 

任务二： 

请尝试使用课上讲的提前终止的方法解决双隐层模型的过拟合问题。 

任务三： 

根据下载资料的代码中的表格，设置网络的不同初始化方法和激活函数，并将Test Accuracy的最终结果填入表格中。