是否有可能构建一个卷积神经网络（使用 Keras、Tensorflow），它可以为猫的图像提供 1 的输出，而其他一切的输出为 0？
训练集会是什么样子？
我的意思是，让我们假设如果猫的图像数量约为 100 万，那么“不是猫”的图像数量应该是万亿甚至更多。
更重要的是，我应该在标记为“不是猫”的图像中包含哪些类别的图像，例如狗、老虎、斑马、树木、计算机、星系等？
这不是说我们应该有无数个代表“不是猫”的训练样本吗？
分类 Cat 或 Not Cat 的 NN 的训练集
数据挖掘
神经网络
分类
美国有线电视新闻网
图像分类
python-3.x
2022-03-08 09:03:32
1个回答
有可能建立这种类型的 CNN。保持两个类（“猫”和“非猫”）的均匀分布很重要。也就是说，您应该为这些类中的每一个拥有几乎相等数量的样本，以避免仅仅因为它有大量示例而将您的模型偏向于“非猫”类。
非猫的例子的数量可能是万亿，因为它是世界上除了猫之外的一切。您不想仅仅因为有数万亿个示例可用，就将这些示例包含在您的训练集中。正如我所说，匹配类分布很重要。您可以为“非猫”类选择任何您想要的动物或物体。您甚至可以为“非猫”混合多个类。
其它你可能感兴趣的问题