gpt4 book ai didi

tensorflow - 从零开始训练 Resnet 深度神经网络

转载 作者:行者123 更新时间:2023-12-04 03:56:20 25 4
gpt4 key购买 nike

我需要获得一些关于深度神经网络的知识。

对于“ResNet”非常深的神经网络,我们可以使用迁移学习来训练模型。
但是 Resnet 已经在 ImageNet 数据集上进行了训练。因此,它们的预训练权重可用于使用另一个数据集来训练模型。 (例如使用 CT 肺部图像训练肺癌检测模型)

我觉得这种方法不准确,因为预训练的权重已经完全训练在其他对象上,但没有使用医疗数据。

除了迁移学习,是否可以从头开始训练 resnet? (但用于训练 resnet 的可用图像数量约为 1500)。用普通电脑可以做吗。

有人可以与我分享您的宝贵想法吗

最佳答案

is it possible to train the resnet from scratch?



是的,这是可能的,但是达到良好准确度所需的时间在很大程度上取决于数据。例如,在 NVIDIA M40 GPU 上训练原始 ResNet-50 需要 14 天(10^18 个单精度操作)。 CNN 中最昂贵的操作是早期层的卷积。

ImageNet 包含 14m 226x226x3图片。由于您的数据集小了约 10000 倍,因此每个 epoch 将减少约 10000 倍的操作。最重要的是,如果你传递灰度图像而不是 RGB 图像,第一个卷积将减少 3 倍的操作。同样,空间图像大小也会影响训练时间。对较小图像的训练也可以增加批量大小,这通常会由于矢量化而加快速度。

总而言之,我估计一台具有单个消费级 GPU(例如 1080 或 1080ti)的机器可以在一天内训练约 100 个 ResNet-50 模型的 epochs。显然,在 2-GPU 机器上训练会更快。如果这就是您所说的普通计算机的意思,那么答案是肯定的。

但由于您的数据集非常小,过拟合的可能性很大。这看起来是您的方法面临的最大问题。

关于tensorflow - 从零开始训练 Resnet 深度神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48051670/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com