Makoto測試時的準確率很高,達到95%,但是當他真的將這個系統(tǒng)用于實踐時,識別準確率一下子降到了70%。Makoto懷疑是因為這個神經(jīng)網(wǎng)絡(luò)模型有了“過擬合”的問題,這是數(shù)據(jù)庫數(shù)據(jù)不足而出現(xiàn)的現(xiàn)象。
另外,深度學(xué)習(xí)所需的計算量大,而Makoto使用典型的Windows PC機來訓(xùn)練神經(jīng)網(wǎng)絡(luò),效率比較低。盡管他已經(jīng)事先將所有的照片降低到80 x 80像素,系統(tǒng)仍然需要2-3天來完成7000張照片的訓(xùn)練。
這樣低分辨率的照片導(dǎo)致的結(jié)果是,系統(tǒng)目前還并不能識別出顏色、紋理、刮痕和小刺,只能分辨出形狀、長度和是否彎曲。而如果要提高照片分辨率,系統(tǒng)的計算量猛增,效率又會拖慢。
所以 Makoto 目前正打算使用谷歌的云機器學(xué)習(xí)(Cloud Machine Learning)平臺,來進一步改善他的黃瓜分類機。
小編推薦閱讀機器學(xué)習(xí):神經(jīng)網(wǎng)絡(luò)構(gòu)建(下)
閱讀華為Mate品牌盛典:HarmonyOS NEXT加持下游戲性能得到充分釋放
閱讀實現(xiàn)對象集合與DataTable的相互轉(zhuǎn)換
閱讀算法與數(shù)據(jù)結(jié)構(gòu) 1 - 模擬
閱讀5. Spring Cloud OpenFeign 聲明式 WebService 客戶端的超詳細使用
閱讀Java代理模式:靜態(tài)代理和動態(tài)代理的對比分析
閱讀Win11筆記本“自動管理應(yīng)用的顏色”顯示規(guī)則
閱讀本站所有軟件,都由網(wǎng)友上傳,如有侵犯你的版權(quán),請發(fā)郵件[email protected]
湘ICP備2022002427號-10 湘公網(wǎng)安備:43070202000427號© 2013~2025 haote.com 好特網(wǎng)