-1
是否有任何規則選擇卷積神經網絡中的層數，或者它就像嘗試和錯誤？所以如果我們有一個尺寸爲256 x 256的輸入圖像，我們如何創建一個最佳模式，多少個conv層，max pool，FC，濾波器大小和學習速率。我們又怎麼能知道訓練數據集的最佳時期數量。任何想法如何創建卷積神經網絡的優化設計
A
回答
0
已經有這個主題的一個很好的討論stats.stackexchange：
How to choose the number of hidden layers and nodes in a feedforward neural network?
否則，沒有直接和簡單的答案。我只能建議潛入科學文獻：
相關問題
- 1. 卷積神經網絡
- 2. 如何設置卷積神經網絡的濾波器係數
- 3. float16 VS FLOAT32卷積神經網絡
- 4. 運行訓練卷積神經網絡
- 5. 如何建立一個多類卷積神經網絡Keras
- 6. 卷積神經網絡的逼近能力如何？
- 7. 卷積神經網絡是否需要歸一化輸入？
- 8. 神經網絡設計
- 9. 卷積神經網絡 - 如何獲取特徵地圖？
- 10. 如何在新數據上運行卷積神經網絡
- 11. 如何計算卷積神經網絡中密集和輸出層的尺寸？
- 12. 如何可視化keras中卷積神經網絡中間層的輸出？
- 13. 如何實現卷積神經網絡的L2正則化成本函數
- 14. 卷積神經網絡中並行和順序卷積之間的區別
- 15. 這是在普通卷積神經網絡中進行的基本卷積嗎？
- 16. 最佳神經網絡優化算法
- 17. 遺傳算法神經網絡優化
- 18. 神經網絡性能優化
- 19. 神經網絡準確性優化
- 20. 爲什麼卷積濾波器在卷積神經網絡中翻轉？
- 21. 如何在Azure機器學習中構建卷積神經網絡？
- 22. 用於卷積神經網絡的字嵌入
- 23. 卷積神經網絡中權重和輸出的值
- 24. 用於實現卷積神經網絡的Keras
- 25. 卷積神經網絡的識別類型
- 26. 卷積神經網絡中的初始權
- 27. 用於時間相關特徵的卷積神經網絡
- 28. 卷積神經網絡的驗證準確性
- 29. 適用於卷積神經網絡的哪種數據
- 30. 使用卷積神經網絡的逐像素分類？