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/