当我们训练一个 CNN 模型时，我们经常尝试过滤器的数量、卷积层的数量、FC 层、过滤器大小，有时还有步幅、激活函数等。通常在训练模型一次之后，这只是一个试验&错误过程。
有没有一种方法可以帮助我在训练之前从根本上构建我的模型？
一旦我训练了模型，我怎么知道这些变量（过滤器的数量、大小、卷积层的数量、FC 层）应该改变——增加还是减少？
PS这个问题假设数据量足够并且注释正确，但准确性仍然达不到标准。因此，我已经排除了该问题存在非架构缺陷的可能性。
有没有一种方法可以帮助我在训练之前从根本上构建我的 CNN？
人工智能
神经网络
机器学习
深度学习
卷积神经网络
人工智能设计
2021-11-01 08:32:11
1个回答
请参阅卷积神经网络架构的分析和优化（我的硕士论文）。
- 有没有一种方法可以帮助我在训练之前从根本上构建我的模型？
是的，但是架构学习方法是计算密集型的。当我写硕士论文时，运行 Google 实验大约需要 250,000 美元。同时，似乎有更有效的方法，例如https://autokeras.com/
见第 3 章。
- 一旦我训练了模型，我怎么知道这些变量（过滤器的数量、大小、卷积层的数量、FC 层）应该改变——增加还是减少？
有关一些方法，请参见第 2.5 章。但是这个问题没有灵丹妙药/没有明确的答案。
其它你可能感兴趣的问题