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

سلام و عرض ادب
با توجه به اینکه به تعداد نرون ها در ترین نیاز به تصویر داریم آیا راهی برای آموزش یک شبکه عمیق ( خودمون طراحی کنیم ) با تعداد تصاویر محدود در حد چند هزار عکس وجود دارد؟
ممنون

توسط (211 امتیاز)

2 پاسخ

0 امتیاز

بستگی به پایگاه داده و ساختار مدل شما داره و اینکه کلاس ها چقدر با یکدیگر فرق دارند . در کل (شاید) این یه قانون کلی باشه : برای اینکه شبکه عصبی شما خوب عمل کنه نیاز هست برای هر کلاس چند هزار نمونه آموزشی داشته باشید اما در عمل میتونید موارد زیادی رو امتحان کنید . مثلا داده هاتون رو به صورت مصنوعی افزایش بدین یا transfer learning یه راهکار کاملا عملی موتونه باشه . تعداد مقالات خیلی محدودی پیدا میشه که نتایج خیلی خوبی رو با پایگاه داده هایی که کمتر از 1000 نمونه آموزشی برای هر کلاس داشته باشند رو بدست آورده باشند.

در این خصوص پست های فراوانی وجود داره به عنوان مثال

توسط (415 امتیاز)
ویرایش شده توسط
ممنون اجازه بدید سوالم رو بهتر مطرح کنم
من یک شبکه از پیش اموزش دیده را فاین تیون کردم و فقط لایه اخرش رو عوض کردم
حالا اگر بخوام به جای لایه اخر یه تعداد فیلتر (inception modul ) بذارم در نتیجه تعداد لایه ها زیاد میشه ایا باید نسبت به حالت قبل باید دیتا رو بیشتر کنم ؟
هر اینسپشن یک لایه حساب میشه یا بعداد فیلترها لایه داریم
ممنون
0 امتیاز

میشه با تکنیک Data Augmentation داده هایی که داری رو چند برابر کنی, در این روش با اعمال تغییراتی مثل انتقال یا چرخش یا تغییر روشنایی تصویر و ... داده جدید تولید میشه. البته میتونی این تغییرات رو به صورت بهنگام تو خود برنامه هم اعمال کنی.
روش هایی که به کار گرفته میشه معمولا شامل موارد زیر هست

Zoom, CropFlip (horizontal / vertical), Rotation, Scaling, shearing, channel shifts (rgb, hsv), contrast, noise, translation, color perturbation

به عنوان نمونه از تصویر زیر با این تکنیک صد تصویر جدید تولید شده

مورد دوم اینکه تعداد خیلی کمی از افراد شروع به آموزش یک شبکه از ابتدا می کنند بلکه از شبکه های آموزش دیده به منظور هدفی که دارند استفاده میکنند.
در این لینک میتونی بیشتر و بهتر در مورد این موضوع مطالعه کنی.

توسط (138 امتیاز)
ویرایش شده توسط
...