machine-learning - 您是否需要训练您的机器学习模型等于否。使用迁移学习进行微调前后的次数？

Question

我正在尝试制作一个可以对 7 种不同面额的钞票进行分类的模型。我使用 VGG19 作为卷积基础。我有一个包含 10000 多个图像的数据集，每个类别包含超过 1k 个图像。我应该在卷积基础之后添加多少层？以及每一层的大小。

标签： machine-learningcomputer-visionartificial-intelligence

Answer 1

这个问题太模糊了。选择正确的架构并不是一项简单的任务。这取决于您的域。使用现成的架构，您很容易过度解决问题。此类网络的容量可能是多余的。你会在你的网络中得到很好的低熵，但它会像疯了一样过度拟合。经验法则：从较小的网络开始，慢慢建立并比较您的指标。

这里有类似的线程。

正在进行关于Network Architecture Search. Afaik 唯一可用的解决方案是 Google 的 Auto-ML。基于元启发式的方法NAS仍处于起步阶段，在一段时间内不会被广泛使用。

最流行的开源NAS是AutoKeras。