deep-learning - CNN 有 2000 个类(class)？

我需要将图像分类为 2000 个类别之一。

我正在使用 Nvidia DIGITS + caffe (GoogLeNet)，并为每个类提供 10K 样本(因此高达 2000 万张图像，约 1Tb 数据!)。但是数据准备(“创建数据库”)任务本身估计需要 102 天，如果这个估计是正确的，我不禁想到实际的训练时间将会是多少。

应对这一挑战的最佳方法是什么？我应该将数据集分成 3-4 个模型吗？并分别使用它们？使用较小的数据集并降低准确性的风险？还有别的吗？

感谢您帮助新手。

最佳答案

您获得了训练数据!!这是整个过程中最具挑战性的部分，不要放弃!

尝试将数据创建任务分解为步骤，并将它们并行化。训练将需要很长时间(取决于您的 GPU)，但您应该耐心等待。

关于deep-learning - CNN 有 2000 个类(class)？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33643301/