一小步
,针对图像识别入门正在处理MNIST图像的金标准。 Tensorflow有一个great tutorial关于如何上手,以及如何move to convolution人网络。
从那里开始与Inception竞争,而不仅仅是抄袭其他人的图形,这是一条艰难的道路。您可能想要了解卷积的不同层次。我创建了一个基本的Tensorflow Tutorial,其中包含一个example python file演示不同的卷积图及其结果的准确性。
不断深入
征服MNIST后,您将需要大量的图片和大量的GPU(运行所有你的训练)和软件安装(你可以从imageNet让他们),这样就可以不只运行和测试你的模型,但几十个(如果不是数百)变化来探索你的超参数(如学习速度,卷积大小,退出等)。请记住,它需要一组领先的机器学习专家来创建类似Inception,许多个月(可能几年)的迭代,以找到他们今天使用的模型,以及数千个CPU/GPU小时。
如果您试图了解正在发生的事情以及如何创建出良好的图表,那么尝试重新创建Inception是一个好主意。如果你只是想要一个出色的图像识别模型,然后重用现有的模型。
如果您想尽情玩乐,就这样做!
Cheers-