Bib*_*iba 0 machine-learning computer-vision deep-learning caffe imagenet
我有一个关于更改网络输出层的问题(AlexNet/GoogleNet/ImageNet).因此标准输出是1x1000 Vector,因此每个类都有一个值.
我知道我可以将输出更改为例如5,所以如果我只有5个类,我会得到1x5 Vector.
但是如果我没有课程怎么办？是否可以将输出更改为18x18之类的矩阵.因为我的网应该输出密度图而不是"类".是否建议使用预先训练好的网络来完成我的任务,还是应该从头开始训练？
谢谢您的帮助 :-)
但是如果我没有课程怎么办？
"类"的概念并不真正与架构相关,而是与损失函数本身相关.换句话说,如果你有1000个输出,你想要在1000个不相交的类中分类,分配1000个标签,还是在1000维实际输出上回归并不重要 - 架构仍然很有意义.
是否可以将输出更改为18x18之类的矩阵
"天真"的方法是输出18*18 = 324个值并将其视为2维矩阵.然而,2-dim结构表明存在一些可以在架构方面利用的特性,一个典型的特性是平移不变性,这在convnet中被利用,如果你的输出也是如此,你可以考虑去卷积(任何排序,因为有很多)为您的模型.
是否建议使用预训练网来完成我的任务？或者我应该从头学习？
这不取决于架构而是任务.如果您的任务与训练过的网络相似,那么您可以使用预训练的任务作为起点,并对新的任务进行"微调".一般来说,使用预训练网作为起点是一件安全的事情(它不应该比从头开始训练更糟糕).记住训练整个网络,而不仅仅是添加部分(除非你没有足够的数据来训练整个结构).
| 归档时间： |
|
| 查看次数： |
417 次 |
| 最近记录： |