-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. 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. 如何建立一個多類卷積神經網絡Keras
- 10. 卷積神經網絡中濾波器的可視化
- 11. 如何確定卷積神經元網絡的架構
- 12. 卷積神經網絡的逼近能力如何？
- 13. 卷積神經網絡是否需要歸一化輸入？
- 14. 神經網絡設計
- 15. 設計神經網絡
- 16. 如何在新數據上運行卷積神經網絡
- 17. 如何擴展神經網絡api以支持卷積n.n
- 18. 卷積神經網絡：如何訓練它？ （無人監督）
- 19. SHOGUN Toolbox卷積神經網絡與Caffe和Theano相比如何？
- 20. 卷積神經網絡 - 如何獲取特徵地圖？
- 21. 優化的Hopfield神經網絡
- 22. 如何計算卷積神經網絡中密集和輸出層的尺寸？
- 23. 如何實現卷積神經網絡的L2正則化成本函數
- 24. 如何可視化keras中卷積神經網絡中間層的輸出？
- 25. 這是在普通卷積神經網絡中進行的基本卷積嗎？
- 26. 卷積神經網絡中並行和順序卷積之間的區別
- 27. 最佳神經網絡優化算法
- 28. Python神經網絡來優化AUC
- 29. 神經網絡準確性優化
- 30. 神經網絡性能優化