如何確定卷積神經元網絡的體系結構我正在做一些關於計算機視覺深度學習的研究。如何確定卷積神經元網絡的架構
我讀了很多關於神經元網絡,反向傳播,隨機梯度下降,過擬合,正則化等等的工作。有「硬」的數學規則:這很容易理解。
但是,我怎麼知道我的卷積神經網絡所需的架構是什麼? 對於〔實施例:我想對這些植物進行分類: http://www.biohof-waldegg.ch/Bilder/Blacke%201%20(Individuell).JPG
我研究與MNIST數據庫(手寫數字數據庫)的例子 - 爲什麼要用最例子這些架構:轉化率5x5的 - >池(2最大值) - > Conv5x5? 我已經繪製的第一個隱層的權重,但圖像的過濾器看起來我都不 熟悉(也不像邊緣檢測的高通濾波器,也不像一個低通濾波器)
- 豈不是更好在圖層中添加更多功能圖或添加更多隱藏圖層?
- 如何確定網絡是否太深/太淺
- 如何確定某個圖層是否具有太多/太少的特徵映射?
- 如何確定內核大小是否太大/太小?
- 當我選擇了conv - > conv - > pooling而不是conv - > pooling - > conv?
- 影響有什麼大步參數? (我知道這個參數做什麼,而不是在和我是如何調整這些參數?
- 有檢查的方式其設有層檢測?(如邊緣/顏色/形狀)
有太多的問題,在這裏,你應該把它分割成幾個問題。另外請注意,其中很多問題都有「試錯」的答案。 –