Piccola DNN con scopo puramente dimostrativo, sufficientemente flessibile da permettere alcuni esperimenti senza toccare neanche una riga di codice.

Scarica e impacchetta il dataset da internet.

Il training viene wffettuato su un batch di 20 immagini per 19900 iterazioni. La struttura della rete è la seguente:

1. Convoluzione con ReLU:

• x = [None, 28, 28, 1]
• w = [5, 5, 1, 32] inizializzato a N(0, 0.1)
• Padding: SAME
• Stride: 1
• b = [32] inizializzato a 0.1
• y = [None, 28, 28, 32]
• 5 * 5 * 1 * 32 + 32 = 832 variabili

2. Maxpooling:

• x = [None, 28, 28, 32]
• k = [1, 2, 2, 1]
• Padding: SAME
• Stride: 1
• y = [None, 14, 14, 32]
• 0 variabili

3. Convoluzione con ReLU:

• x = [None, 14, 14, 32]
• w = [5, 5, 32, 64] inizializzato a N(0, 0.1)
• Padding: SAME
• Stride: 1
• b = [64] inizializzato a 0.1
• y = [None, 14, 14, 64]
• 5 * 5 * 32 * 64 + 64 = 51'264 variabili

3. Maxpooling:

• x = [None, 14, 14, 64]
• k = [1, 2, 2, 1]
• Padding: SAME
• Stride: 1
• y = [None, 7, 7, 64]
• 0 variabili

5. Fully connected layer:

• x = [None, 7 * 7 * 64]
• w = [7 * 7 * 64, 1024]
• b = [1024]
• y = [None, 1024]
• 7 * 7 * 64 * 1024 + 1024 = 3'212'288 variabili

6. Dropout:

• x = y = [None, 1024]
• Probability is 0.5 in training, 1.0 in testing/validation
• 0 variabili

7. Fully connected layer:

• x = [None, 1024]
• w = [1024, 10]
• b = [10]
• y = [None, 10]
• 1024 * 10 + 10 = 10'250 variabili

In totale stiamo parlando di: 3'274'634

Non c'è una vera e propria fase di validazione, si va direttamente al test su 3000 immagine (questo perchè non si è fatto hyperparameter tuning in questo caso molto speciale).

RESULT ACCURACY: 95.4% on notMNIST small dataset, while large is used for training

• Migliorare la visualizzazione di quello che è stato addestrato dalla NN.
• Esportare la versione trainata della rete.