tensorflow - 较大数量的过滤器比 conv2D 层中较少数量的过滤器性能更差
问题描述
我有一堆 2D 图像,我正在对它们执行卷积。我正在尝试卷积层中的过滤器数量,我发现增加过滤器时训练会恶化。例如,我的设置如下所示:
- Conv2D( 8 , (3,3), input_shape = (100, 100, 1)),
- 展平()
- 密集(输出)
为此,假设训练 RMSE 为 0.245。但是,如果我更改 Conv2D( 16 , (3,3), input_shape = (100, 100, 1)),训练 RMSE 会变得更糟,例如达到 0.534。请注意,我保持相同的 random_seed 为什么运行我的实验。
有人可以解释为什么会发生这种情况吗?我有点想,如果我增加通道的数量,模型学习数据的难度就会降低,从而也能更好地预测。
谢谢!
解决方案
推荐阅读
- javascript - 将对象引用传递给 vuejs 组件
- sml - SML BFS 遍历 (int list array) Graph
- sql-server - 从数据库表的多行中放置案例条件以在 SQL Server 中找到正确值的有效方法
- r - 有没有办法解决这个错误:美学必须是长度1或与数据相同(9):标签
- r - 在 R 中加载 arcgisbinding 包?
- arrays - 如何使用地址数组锁定 VBA 中的单元格
- android - 为什么源字母间距与 Android 材料设计中的文档不同?
- swift - 如何强制视图控制器在 macOS 中使用亮模式或暗模式?
- ios - 安装 osxcross 在 Ubuntu 18.04 LTS 中构建 iOS APP
- node.js - 使用 request-promise 和 express 从 api 获取数据