![]() |
1
mscb 166 天前 via Android
当然是炼丹练出来的呀!炼丹师这个俗称可不是开玩笑的,哈哈哈哈,手动🐶
|
3
jingous 166 天前
随便定的。默认的分辨率降低一倍,通道数增加一倍。除开始几层外,通道一般都是 2 的 N 次方
|
![]() |
4
jmc891205 166 天前 via iPhone
这属于 hyperparameter
也要调的 |
![]() |
5
jimliang 166 天前
不断调参后的相对最优解
|
![]() |
6
labnotok 166 天前
深度学习的意义就是把特征的提取从手工的构建中解放出来,filter 是由数据和网络的训练决定的,自然不会出现功能确定的 filter 。而且你也很难在某个 filter train 完之后明确说它的作用是什么。filter 与其说是 convolution,直接理解成使用 cross-correlation 层次化提取特征会清晰很多。
运算上讲,channel 数是由上一层 filter 的个数决定的,而不是数据的维度。而你选择多少 filter 是个玄学的问题,稍微有点依据的说法是考虑你 GPU 的 CUDA 数和显存数据宽度,提高运算效率。 |
![]() |
7
xiri 166 天前
这东西就是随便猜(可能会有一点经验在里面),不断试错,最后选出一个最优的
|
8
nightwitch 166 天前
channel 算是中等重要程度的超参数吧,直观的理解就是你想要把你的数据投影到多少维度的空间。没啥特定的规则,一般靠近原始输入的地方 channel 数逐渐增加,从低维空间升到高维,然后接近输出的的地方逐渐减少到 1 维输出,网络中可能有多个 1x1xchannel 的操作来调整通道数。
|
10
VDimos 166 天前 via Android
炼丹就是要试的
|
11
realcaoqi95 166 天前
玄学问题
|
![]() |
12
superlc 166 天前 via iPhone
一个 hyperparameter 而已
肯定是越多越好,参数越多能学到的信息量越大。不过一般来讲只要 filter 数够用了,再增加的话对性能的提升也十分有限,所以最终是一个参数量与资源消耗的权衡 和传统算法里面的各种 threshold 差不多,说白了就是在满足要求的前提下随便选的 |
![]() |
13
IanPeverell 166 天前
第一层 6 是经验值,并不是根据 RGB 而来的。意思是,在对输入提取特征值时,获取 6 种特质,然后再进行组合最后训练出来的效果、模型的性能等是最佳的。第二层的 16,是对 6 种特征进行组合得到的。
|