如何为特定的用例选择CNN模型？

Question

因此，我正在为一个用例实现CNN项目的需求收集阶段。我很想知道AI/ML行业是如何为特定用例挑选合适的模型的。我看到有很多CNN架构，但是如何选择适合我需求的架构呢？

它是仅在逐一尝试的基础上完成的，还是有任何特定的方法来选择正确的体系结构？如果这是一个试错的过程，它不是很麻烦吗？如果我们只需要使用试错法，那么它能帮助我们多久呢？

Answer 1

说架构，如果你指的是

1. VGG16
2. Resnet (来自microsoft)
3. Inception (来自谷歌)等)，

所有这些都是由不同的团体建立的，以参与每年都会发生的image-net wiki挑战赛。每个架构只对应于一个用例，用于在1000个不同类别的中对图像进行分类的。所以，我不认为架构可以通过用例来区分。也就是说，您可以通过以下标准来考虑架构，

对于使用不同架构构建的模型的准确性(最高表示最好)，以及它对测试/新传入数据的泛化程度，这也是非常有限的时间和图形处理器内存限制( important.

• Training layers)

• Complexity VGG16相当简单，训练速度也很快，但上面提到的另外两个将具有许多模型的

Answer 2

通常你会有一些限制，这将帮助你缩小你的选择范围。例如，如果您需要为移动设备进行开发，那么最好的选择是MobileNets或ShuffleNet架构。您可以在ILSVRC验证集上检查每个候选模型的性能，并了解它们的相对性能。从那里，您可以选择在您的约束(可用的培训资源，推理过程中的时间/内存限制)内表现最好的模型。如果使用迁移学习，则需要确定要冻结的层数。尽管这将取决于你的训练数据(更多的数据意味着你可以微调更多的层，而不会有过度拟合的风险)，但仍然会涉及一些试验和错误。然后，根据您拥有的时间和资源，您可以研究其他模型。