-1
我想知道，如果我用CNN訓練模型（例如Alexnet）進行人臉識別（可能是另一個任務分類），我應該使用我訓練過的人臉識別來初始化一個新任務分類？卷積神經網絡中的初始權
A
回答
0
如果你的新任務是第一個任務的專門化，那麼如果你在第一個任務中有更多的數據可用，那麼使用未完全收斂的CNN的權重作爲初始化可能是一個好主意。
如果新任務與第一個任務無關，那麼只有第一層的權重是第一層的權重，所以它不會非常有用，因爲這些層不難訓練。
無論如何，完全收斂的網絡的權重通常會更難以訓練用於新任務，對於不同的任務，使用像正交矩陣，xavier的init等等的良好隨機初始化幾乎總是會更好...
相關問題
- 1. 卷積神經網絡
- 2. 卷積神經網絡中權重和輸出的值
- 3. 卷積神經網絡不收斂
- 4. float16 VS FLOAT32卷積神經網絡
- 5. 卷積神經網絡配置
- 6. 卷積神經網絡 - 多通道
- 7. 卷積神經網絡和3D圖像
- 8. 運行訓練卷積神經網絡
- 9. MATLAB中的神經網絡，初始權重
- 10. 神經網絡的初始偏差值
- 11. 這是在普通卷積神經網絡中進行的基本卷積嗎？
- 12. 卷積神經網絡中並行和順序卷積之間的區別
- 13. 爲什麼卷積濾波器在卷積神經網絡中翻轉？
- 14. PyBrain神經網絡力初始化
- 15. Tensorflow中的卷積神經網絡預測
- 16. 卷積神經網絡中濾波器的可視化
- 17. 卷積神經網絡中的不平衡類
- 18. 減少卷積神經網絡中的濾波器大小
- 19. MATLAB神經網絡的權初始化在多個循環
- 20. Matlab的神經網絡權
- 21. 在特徵提取中實現卷積神經網絡
- 22. 人工神經網絡：選擇初始神經元
- 23. 神經網絡加權
- 24. OpenCV神經網絡權重
- 25. 非監督式的諾諾卷積神經網絡預訓練
- 26. 具有可變尺寸圖像的2D卷積神經網絡
- 27. 使用卷積神經網絡的逐像素分類？
- 28. 如何設置卷積神經網絡的濾波器係數
- 29. 卷積神經網絡的驗證準確性
- 30. 如何確定卷積神經元網絡的架構