-1
是否有任何规则选择卷积神经网络中的层数，或者它就像尝试和错误？所以如果我们有一个尺寸为256 x 256的输入图像，我们如何创建一个最佳模式，多少个conv层，max pool，FC，滤波器大小和学习速率。我们又怎么能知道训练数据集的最佳时期数量。任何想法如何创建卷积神经网络的优化设计
A
回答
0
已经有这个主题的一个很好的讨论stats.stackexchange：
How to choose the number of hidden layers and nodes in a feedforward neural network?
否则，没有直接和简单的答案。我只能建议潜入科学文献：
相关问题
- 1. 卷积神经网络
- 2. 如何设置卷积神经网络的滤波器系数
- 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. 如何建立一个多类卷积神经网络Keras
- 10. 卷积神经网络中滤波器的可视化
- 11. 如何确定卷积神经元网络的架构
- 12. 卷积神经网络的逼近能力如何？
- 13. 卷积神经网络是否需要归一化输入？
- 14. 神经网络设计
- 15. 设计神经网络
- 16. 如何在新数据上运行卷积神经网络
- 17. 如何扩展神经网络api以支持卷积n.n
- 18. 卷积神经网络：如何训练它？ （无人监督）
- 19. SHOGUN Toolbox卷积神经网络与Caffe和Theano相比如何？
- 20. 卷积神经网络 - 如何获取特征地图？
- 21. 优化的Hopfield神经网络
- 22. 如何计算卷积神经网络中密集和输出层的尺寸？
- 23. 如何实现卷积神经网络的L2正则化成本函数
- 24. 如何可视化keras中卷积神经网络中间层的输出？
- 25. 这是在普通卷积神经网络中进行的基本卷积吗？
- 26. 卷积神经网络中并行和顺序卷积之间的区别
- 27. 最佳神经网络优化算法
- 28. Python神经网络来优化AUC
- 29. 神经网络准确性优化
- 30. 神经网络性能优化