Ich möchte ein CNN für eine binäre Bildklassifizierung Aufgabe, die ein kleines Objekt in den Bildern vorhanden oder nicht vorhanden ist, zu entwerfen. Die Bilder sind Graustufen (unsigned short) mit der Größe 512x512 (bereits ab 2048x2048 dowmsampled), und ich habe Tausende von diesen Bildern für Training und Test.CNN Parameter Schätzung
Es ist mein erstes Mal mit CNN für diese Art von Aufgabe, und ich hoffe, um ~ 80% Genauigkeit zu starten, so würde ich gerne wissen, im Allgemeinen, wie man das CNN so, dass ich das Beste habe Chance, mein Ziel zu erreichen.
Meine spezifische Fragen sind:
Wie viele Faltungs Schichten und vollständig verbundene Schichten soll ich verwenden?
Wie viele Feature-Maps gibt es in jeder Faltungsschicht und wie viele Knoten in jeder vollständig verbundenen Ebene?
Wie groß ist die Filtergröße in jeder Faltungsschicht?
Ich versuche, die CNN mit Keras mit TensorFlow Backend zu implementieren, und mein Computer Spezifikationen sind: 8 Intel Xeon CPUs @ 3,5 GHz; 32 GB Speicher; 2 Nvidia GPUs: GeForce GTX 980 und Quadro K4200
Mit dieser Hardware und Software möchte ich auch die Rechenzeit des Trainings wissen. Spezifisch
Wie lange dauert es, um das CNN (mit der oben genannten Struktur) mit 1000 oben genannten Bildern in der Epoche zu trainieren, und (im Allgemeinen) wieviele Epochen benötigt werden, um ~ 80% Genauigkeit zu erreichen?
Der Grund, warum ich die typische Rechenzeit wissen möchte, ist sicherzustellen, dass ich alles richtig aufstelle.
Ich hoffe, ich habe in meinem ersten Beitrag nicht zu viele Fragen gestellt.
Fragen Sie nach Parametern des neuronalen Netzes, es gibt keine "IN ALLGEMEINEN" Antwort für diese Frage, insbesondere mit anderen Datensätzen. Sie müssen die besten Parameter durch Experimente finden – malioboro
@malioboro OK, wenn es keine allgemeine Antwort gibt, könnten Sie Licht aus Ihrer Erfahrung werfen? – mjk
Sie können einige allgemeine Hinweise zur Einstellung der CNN-Parameter von Stanford CS231n natürlich erhalten. –