4:要分阶段考虑:
1)数据预处理:对数据部分优化,更多,数据增强,输入图片resize调节,对图像预处理。
2)模型选择:模型选择,调参数,激活函数,网络结构等。
5:小卷积和大卷积有时会一起用
GoogleNet 1*1 3*3 5*5 7*7
卷积作用就是来特征提取的,对不同范围。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:问答:如何改善模型效果、大小卷积核选择。 - Python技术站
4:要分阶段考虑:
1)数据预处理:对数据部分优化,更多,数据增强,输入图片resize调节,对图像预处理。
2)模型选择:模型选择,调参数,激活函数,网络结构等。
5:小卷积和大卷积有时会一起用
GoogleNet 1*1 3*3 5*5 7*7
卷积作用就是来特征提取的,对不同范围。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:问答:如何改善模型效果、大小卷积核选择。 - Python技术站