有關CNN的Tensorflow的特定主題

Question

我有一個迷你項目，用於我在Tensorflow這門新課程中的隨機主題。由於我有一些關於卷積神經元網絡的背景，我打算將它用於我的項目。我的電腦只能運行CPU版本的TensorFlow。

然而，作爲一個新的蜜蜂，我意識到有很多話題，例如MNIST，CIFAR-10等，因此我不知道我應該從他們中挑出哪個適合的話題。我只有還剩兩週。如果這個話題不太複雜，但卻不太容易研究，因爲它符合我的中級水平。

根據您的經驗，您能否就我的項目應該爲特定主題提供一些建議？

此外，如果在這個主題中，我可以提供自己的數據來測試我的訓練，因爲我的教授說，在我的項目中獲得A分是一個加分。

由於提前，

Answer 1

我認爲要回答這個問題，你需要正確評估評分標準爲您的項目。不過，我可以簡要介紹一下你剛剛提到的內容。

MNIST：MNIST是光學字符識別任務，用於圖像大小爲28px的單個數字0-9。這被認爲是CNN的「Hello World」。這是非常基本的，可能對您的要求過於簡單。如果沒有更多的信息很難衡量。儘管如此，使用CPU Tensorflow可以很快運行，並且在線教程非常好。

CIFAR-10：CIFAR是一個更大的物體和車輛數據集。圖像尺寸爲32像素，因此個人圖像處理並不算太差。但數據集非常大，您的CPU可能會遇到困難。訓練需要很長時間。你可以嘗試對縮小的數據集進行訓練，但我不知道會如何。再次，取決於你的課程要求。

鮮花詩人：有詩人重新訓練示例的Tensorflow可能不適合您的課程，您可以使用鮮花數據集來建立自己的模型。

構建自己的模型：您可以使用tf.Layers來構建自己的網絡並對其進行實驗。 tf.Layers非常易於使用。或者，您可以查看新的Estimators API，它可以爲您自動執行大量培訓流程。 Tensorflow網站上有許多教程（質量參差不齊）。

我希望這可以幫助你破解那裏的東西。其他要查看的數據集是PASCAL VOC和imageNet（但它們很大！）。試驗的模型可能包括VGG-16和AlexNet。