吴恩达深度学习卷积神经网络学习笔记(3)——迁移学习
2019-04-03 23:37
211 查看
1 使用开源的实现方案
在GitHub资源库,需要感兴趣的网络的代码。
下载方式:复制url
在终端输入:git clone +url
2 迁移学习
找开源训练好了的网络。由于深度学习的训练,可能需要十几个GPU和几周的时间。
数据集小:
1)前面还是使用开源的网络框架和参数,修改最后的softmax层,训练该层的参数;
2)删除倒数几层,修改最后的softmax层,训练该层的参数;
3)初始化倒数几层,修改最后的softmax层,训练倒数几层的参数。
数据集大:
可以初始化全部参数,重新训练。
例如最近看的论文《Generating High-Quality Crowd Density Maps using Contextual Pyramid CNNs(2017ICCV)》,里面的GCE网络就是基于VGG-16,只是将最后最后三层的全连接层修改,重新训练参数,前面层的参数都不变。
3 数据扩充
3.1 空间变换
1)镜像对称
2)随机裁剪(这个不是一个很好的数据增强的方法)
3)旋转剪切图片
4)扭曲变化
3.2 色彩转换
给RGB三通道上加上不同的失真值,对图片的颜色更改更具有鲁棒性。
还有一种影响颜色扭曲的算法叫作:PCA(Principles Component Analysis主成分分析)
在AlexNet的论文中有提高,有时候被称为PCA颜色增强。
相关文章推荐
- 《深度学习工程师-吴恩达》03卷积神经网络—深度卷积网络:实例探究 学习笔记
- 吴恩达-深度学习笔记《卷积神经网络》
- 吴恩达深度学习笔记之卷积神经网络(目标检测)
- 吴恩达深度学习笔记之卷积神经网络(特殊应用)
- 吴恩达深度学习笔记五:卷积神经网络 人脸识别和风格迁移部分
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-1)-- 卷积神经网络基础
- 《深度学习工程师-吴恩达》03卷积神经网络—卷积神经网络 学习笔记
- 吴恩达深度学习笔记之卷积神经网络(卷积网络)
- 《深度学习工程师-吴恩达》03卷积神经网络—目标检测 学习笔记
- 《深度学习工程师-吴恩达》03卷积神经网络—特殊应用:人脸识别和神经风格转换 学习笔记
- 吴恩达深度学习笔记四:卷积神经网络 基础和目标检测部分
- 吴恩达深度学习笔记之卷积神经网络(实例探究)
- Google 深度学习笔记 卷积神经网络
- 吴恩达深度学习笔记 course2 week1 测验
- 深度学习笔记 (二) 在TensorFlow上训练一个多层卷积神经网络
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 吴恩达【深度学习工程师】学习笔记(二)
- 吴恩达深度学习课程笔记之神经网络基础
- 吴恩达神经网络和深度学习课程自学笔记(八)之机器学习策略
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-3)-- 目标检测