به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام

من دنبال وزن اولیه برای شبکه LeNet هستم .از کجا میتونم وزن اولیه رو ‍‍به دست بیاورم؟؟ سرچ زیادی انجام دادم.
من برای یک دیتاست از شبکه Googlenet استفاده کردم به دقت 97 درصد رسیدم .به نظر شما از کدام معماری میتوانم استفاده کنم تا دقت من بالاتر رود ؟

با تشکر

توسط (107 امتیاز)
سلام
منظورتون مدل از پیش اموزش داده شده (pretrained)  معماری LeNet5 هست؟ اگر آره باید بگید کدوم دیتاست . چون دیتاست با دیتاست متفاوت هست.
علاوه بر این در مورد دیتاست خودتون هم باید توضیح بدید تا بهتر بشه راهنمایی کرد .
با سلام
اره منظورم مدل از ‍‍‍‍‍پیش آموزش داده شده برای دیتاست 503 کلاسه ایرانشهر(دستنویس)  می باشد و به دنبال فایلی با پسوند .caffemodel هستیم که میخواهیم به عنوان وزن اولیه برای آموزش به شبکه بدهیم .
دیتاست ما شامل 25 هزارتا نمونه می باشد(نمونه آموزشی وتست) .

1 پاسخ

0 امتیاز

سلام .
تاجایی که بنده اطلاع دارم مدل از پیش آموزش داده ای روی دیتاست ایرانشهر وجود نداره . عموم مدلهای از پیش اموزش داده شده مربوط به دیتاست های حجیم و یا رقابتهای سطح بالا مثل imagenet هستند. و دیتاستهای داخلی تا بحال چیزی که من اطلاع داشته باشم منتشر نشده .
برای افزایش دقت شما میتونید از دیتا نرمالیزیشن و اگمنتیشن استفاده کنید که تاثیر مستقیم روی بهبود دقت شما داره .
همینطور اگه تصاویر شما به تصاویر ایمیج نت نزدیک باشه شما میتونید از مدل از پیش اموزش داده شده imagenet هم استفاده کنید(اگر هم متفاوت باشه باز میتونید نبظرم از لایه های اولیه اون استفاده مناسب رو ببرید و نتیجه بهتری بگیرید)

توسط (4.3k امتیاز)
...