14種模型設計幫你改進你的卷積神經網絡（CNN）

自2011年以來，深度卷積神經網絡（CNN）在圖像分類的工作中的表現就明顯優於人類，它們已經成爲在計算機視覺領域的一種標準，如圖像分割，對象檢測，場景標記，跟蹤，文本檢測等。 但，想要熟練掌握訓練神經網絡的能力並不是那麼容易。與先前的機器學習思維一樣，細節決定成敗。但是，訓練神經網絡有更多的細節需要處理。你的數據和硬件有什麼限制？你應該是從何種網絡開始？你應該建立多少與卷積層相對的密集層？你的激勵

>>阅读原文<<