-1
我想知道，如果我用CNN训练模型（例如Alexnet）进行人脸识别（可能是另一个任务分类），我应该使用我训练过的人脸识别来初始化一个新任务分类？卷积神经网络中的初始权
A
回答
0
如果你的新任务是第一个任务的专门化，那么如果你在第一个任务中有更多的数据可用，那么使用未完全收敛的CNN的权重作为初始化可能是一个好主意。
如果新任务与第一个任务无关，那么只有第一层的权重是第一层的权重，所以它不会非常有用，因为这些层不难训练。
无论如何，完全收敛的网络的权重通常会更难以训练用于新任务，对于不同的任务，使用像正交矩阵，xavier的init等等的良好随机初始化几乎总是会更好...
相关问题
- 1. 卷积神经网络
- 2. 卷积神经网络中权重和输出的值
- 3. 卷积神经网络不收敛
- 4. float16 VS FLOAT32卷积神经网络
- 5. 卷积神经网络配置
- 6. 卷积神经网络 - 多通道
- 7. 卷积神经网络和3D图像
- 8. 运行训练卷积神经网络
- 9. MATLAB中的神经网络，初始权重
- 10. 神经网络的初始偏差值
- 11. 这是在普通卷积神经网络中进行的基本卷积吗？
- 12. 卷积神经网络中并行和顺序卷积之间的区别
- 13. 为什么卷积滤波器在卷积神经网络中翻转？
- 14. PyBrain神经网络力初始化
- 15. Tensorflow中的卷积神经网络预测
- 16. 卷积神经网络中滤波器的可视化
- 17. 卷积神经网络中的不平衡类
- 18. 减少卷积神经网络中的滤波器大小
- 19. MATLAB神经网络的权初始化在多个循环
- 20. Matlab的神经网络权
- 21. 在特征提取中实现卷积神经网络
- 22. 人工神经网络：选择初始神经元
- 23. 神经网络加权
- 24. OpenCV神经网络权重
- 25. 非监督式的诺诺卷积神经网络预训练
- 26. 具有可变尺寸图像的2D卷积神经网络
- 27. 使用卷积神经网络的逐像素分类？
- 28. 如何设置卷积神经网络的滤波器系数
- 29. 卷积神经网络的验证准确性
- 30. 如何确定卷积神经元网络的架构