一张 1024*1024 像素的图像大约有 100 万像素。如果我想将每个像素连接到一个 R、G、B 输入神经元，则需要超过 300 万个神经元。
训练一个拥有数百万输入的神经网络真的很难。怎么可能，减少神经元的数量？
如何处理带有几个神经元的图像？
数据挖掘
机器学习
神经网络
深度学习
图像分类
2021-10-04 01:27:04
2个回答
有几种方法可以使这个大数字可训练：
- 使用CNN
- 自动编码器（请参阅使用神经网络减少数据的维度）
输入的降维
巨魔答案
如果您的意思是“只有几个神经元”，那么您可能想看看Spiking 神经网络。这些计算量非常大，需要大量手工制作，并且在大多数任务中仍然比普通神经网络性能更差……但你只需要很少的东西。
卷积神经网络在整个输入图像中共享权重，这大大减少了权重的数量。例如，您可以有一个 3x3 网格，其中每个点都有自己的权重，这会扫描 1024x1024 图像中的 3 个通道中的每一个。每个通道仅使用 9 个权重，构成 27 个权重。如果你有，比如这些网格中的 10 个，那么只有 270 个权重！
此外，通过共享权重，您可以在输入空间上创建一些平移不变性，这是对象识别等事物的理想属性。