在Keras中重用现有神经网络(LeNet-5)

Question

我是tensorflow和Keras的新手，我想创建用于图像识别的卷积神经网络。我知道每个问题都是个别的，但是当我想使用像LeNet-5这样的现有CNN架构时，有什么建议吗？

LeNet-5输入适用于32x32灰度图像。我的图像是50x50的rgb。我应该调整它们的大小并转换为灰度吗？相同的图像大小重要吗？

此外，LeNet-5的输出是针对10个图像类别，我只有2个类别。我是否应该保留输出层10中的神经元数量并“仅使用2个”？或者最后一层应该只有2个神经元？当我更改最后一层的神经元计数时，我是否应该更改上一层的神经元计数(密集84)？

model = keras.Sequential()
model.add(layers.Conv2D(6, kernel_size=(3, 3), activation='relu', input_shape=(50,50,3))) # input_shape=(32,32,1)?
model.add(layers.AveragePooling2D())
model.add(layers.Conv2D(16, kernel_size=(3, 3), activation='relu'))
model.add(layers.AveragePooling2D())
model.add(layers.Flatten())
model.add(layers.Dense(120, activation='relu'))
model.add(layers.Dense(84, activation='relu')) # 84 neurons?
model.add(layers.Dense(2, activation='softmax')) # 2 or 10 neurons?

Answer 1

在Tensorflow+Keras中，你有一个Here -5的实现。这只是一个例子，你可以在互联网上找到很多实现。

小心遵循CNN的架构，你的架构在我看来是正确的。

也要注意过滤器的大小！