Keras深度学习实战（9）——卷积神经网络的局限性
Keras深度学习实战（9）——卷积神经网络的局限性
- 0. 前言
- 1. 卷积神经网络的局限性
- 2. 情景1——训练数据集图像尺寸较大
- 3. 情景2——训练数据集图像尺寸较小
- 4. 情景3——在训练尺寸较大的图像时使用更大池化
- 小结
- 系列链接
0. 前言
在《卷积神经网络详解与实现》中，我们已经看到了卷积神经网络 (Convolutional Neural Network, CNN) 的强大性能。虽然卷积神经网络的局部连接、权值共享和层次化表达等特性保证了网络模型可以有效的从大量样本中学习到数据的相应特征、避免了复杂的特征提取过程，但与其它模型一样，卷积神经网络同样也具有一定的局限性，本节将通过一系列实战来介绍卷积神经网络的一些局限性。
1. 卷积神经网络的局限性
为了了解卷积神经网络的局限性，我们继续使用在《卷积神经网络实现性别分类》中进行的任务，即尝试识别给定的图像中的人物性别。在继续介绍之前，
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！