你需要训练你的毫升 model 等于没有。 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 model。 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。

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。

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

最流行的开源NAS是AutoKeras 。