寻找有关如何为 CNN 设置参数的建议（顺序）答案

【问题标题】：Looking for advice on how to set up parameters for CNN (sequential)寻找有关如何为 CNN 设置参数的建议（顺序）
【发布时间】：2020-05-08 12:28:49
【问题描述】：

是否有任何指南可以帮助我使用顺序方法设置 CNN？我有一个来自 Kaggle 的超过 100,000 张图像的数据集，我希望将它们分为 25 个不同的组。

我知道我需要添加 Conv2D、MaxPooling2D、Flatten 和 Dense 层。但我不确定要放置多少以及设置它们的参数。我知道在获得高准确度之前我将不得不反复试验，但现在我的准确度为 0%。我在网上找到了以下代码 sn-p，它适用于 10 个类别的分类，我正在尝试看看如何将其更改为 25 个组。

model = Sequential()
model.add(Conv2D(32, (5, 5), activation='relu', input_shape=(200, 200, 1))) 
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu')) 
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(10, activation='softmax'))

我只是想要有关任何资源的建议或设置提示！

【问题讨论】：

标签： tensorflow keras deep-learning model conv-neural-network

【解决方案1】：

您可以使用此架构，只需进行少量更改。因为您有 25 个类别，您的输出层应该有 25 个单元。

model.add(Dense(25, activation='softmax'))

您的输入形状应与训练图像大小匹配。因此您需要根据您的数据集更改此行。

input_shape=(200, 200, 1)

【讨论】：

嗨！感谢您的回复，我确实尝试过这个，但是它给出了0％的准确率。我知道其余代码有效，因为我能够重新创建找到 here 的原始作品。我会继续寻找！