2 回答

TA貢獻1752條經驗 獲得超4個贊
為什么不升級 MNST 進行培訓?您的問題是關于圖像的分辨率,MNST 數據集是很久以前創建的,當時 GPU 內存還非常小。最近的模型都具有大于 的圖像尺寸200 * 200
,例如 resnet224*224
用作輸入形狀。由于您的圖像從一開始就已經是低分辨率的,并且您縮小了尺寸,您將使模型難以相互區分。由于您的模型相當簡單,我建議升級訓練數據集。
是的,如果你使用你提到的池,你可能也會丟失信息。
希望這可以幫助。

TA貢獻1865條經驗 獲得超7個贊
一種選擇是如上所建議的 -例如,從28x28到的高檔初始數據集。56x56
第二個選項是在訓練模型的開頭添加一個附加層MaxPooling或AveragePooling層,例如:
new_input = Input(shape=(56, 56, 1), name='new_input')
x = AveragePooling2D((2,2), name='avg_pool')(new_input)
new_output = trained_model(x)
new_model = Model(new_input, new_output)
以下是新模型的摘要:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
new_input (InputLayer) (None, 56, 56, 1) 0
_________________________________________________________________
avg_pool (AveragePooling2D) (None, 28, 28, 1) 0
_________________________________________________________________
trained_model (Sequential) (None, 10) 159254
=================================================================
Total params: 159,254
Trainable params: 159,254
Non-trainable params: 0
_________________________________________________________________
添加回答
舉報