你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
准确率不降是应该的，应该上升。 理论上训练误差应该比测试低 没变有很多情况 具体的数值，你也没明说。你的信息太少了，无法准确判断。多截图看看才知道
还有一个重要的功能，就是可以在保持feature map 尺寸不变（即不损失分辨率）的前提下大幅增加非线性特性，把网络做得很deep。
实际上，相对于传统方法，比如SIFT搞出来的bow之类的，动辄，几万，几十万的特征长度，4096并不算很长。 你要进行训练，可以直接在fc后面跟上一个Softmax，设置num分类数量=你实际的类别数，直接finetune，结果就是已经训练好的，端到端的模...
没有内容
2016-05-27 shiorioxy 回答了问题, 如何解释 训练数据 的loss比 测试数据 的loss低？
2016-01-28 shiorioxy 回答了问题, 1X1卷积核到底有什么作用呢？
2016-01-25 shiorioxy 回答了问题, 针对已经训练好的深度学习网络模型，采用迁移学习从该模型中学习特征，维数比较大，该如何处理迁移学习出来的大维数特征呢
威望: 7 积分: 235 赞同: 7 感谢: 0
