0
任何引用寻找深MNIST提出了网络架构的科学文章引用专家的教程(https://www.tensorflow.org/versions/r0.9/tutorials/mnist/pros/index.html)在那里Tensorflow MNIST例如
我有一个类似的图像处理数据,我正在寻找一个好的香草架构,任何建议? 目前这个问题的最佳解决方案是基于小波变换的解决方案
任何引用寻找深MNIST提出了网络架构的科学文章引用专家的教程(https://www.tensorflow.org/versions/r0.9/tutorials/mnist/pros/index.html)在那里Tensorflow MNIST例如
我有一个类似的图像处理数据,我正在寻找一个好的香草架构,任何建议? 目前这个问题的最佳解决方案是基于小波变换的解决方案
你可能不想看专家的深MNIST作为一个好的MNIST架构或作为一个科学基准的例子。它更像是一个基本的Tensorflow积木和卷积模型的很好介绍。
也就是说,您应该能够获得与具有5%的自由参数和较少图层的模型相同或更好的结果。
任何关于良好的图书/网站/视频的建议,以获得更好的图像处理网络架构?我真的可以推荐[斯坦福的CS 231](http://cs231n.stanford.edu/),但我正在寻找更实用的方法 – WeiGer
这实际上取决于你的数据集/目标。 a)是预先居中/裁剪的图像? b)每个图像一个目标,还是很多? c)目标类的数量? d)多少训练数据? e)来自视频的单个图像或图像? f)目标是准确性,速度还是其他? g)可用的计算能力? – MMN
E.g. MNIST在所有答案上都很容易 - 它只需要3层左右。 https://www.tensorflow.org/versions/r0.11/tutorials/image_recognition/index.html对于难题来说是一个很好的开端。 YOLO在某些情况下也很有趣。你可以采用预先训练好的模型,并重新训练上层(S)? – MMN