Tensorflow与Inception v3在图像识别中的比较

Question

我正在用Tensorflow学习图像识别。我已经在Tensorflow.org上读到了主题How to retrain Inception's Layer for new categories，它利用了初始v3训练模型。

现在，我想创建自己的CNN模型，以便与盗梦空间v3进行比较，但我不知道如何开始。

有人知道关于这个问题的一些逐步指南吗？

如果您有任何建议，我将不胜感激。

提前感谢

Answer 1

婴儿的第一步

图像识别入门的黄金标准是处理MNIST图像。Tensorflow有一个关于如何入门和如何move to convolutional网络的great tutorial。

从那时起，在不复制别人的图表的情况下与Inception竞争将是一条漫长而艰难的道路。您可能想要了解卷积的不同层做了什么。我创建了一个基本的Tensorflow Tutorial，其中包含一个演示不同卷积图及其结果准确性的example python file。

更深一层

在攻克MNIST之后，你将需要大量的图像(你可以从imageNet上得到它们)、大量的图形处理器(用来运行你所有的训练)和一个软件设置，这样你不仅可以运行和测试你的模型，还需要几十个(如果不是几百个)的变体来探索你的超参数(比如学习率、卷积大小、辍学等)。请记住，它花了一个领先的机器学习专家团队来创建类似于Inception的东西，许多许多个月(可能是几年)的迭代来找到他们今天使用的模型，以及数千个CPU/GPU小时。

如果您正在尝试了解发生了什么，以及是什么构成了一个好的图形，那么尝试重新创建Inception是一个很好的想法。如果你只是想要一个优秀的图像识别模型，那么重用一个现有的模型。

如果你想找乐子，那就去做吧！

干杯-