Deep learning 为了比较不同的CNN，它们是否应该在同一数据集上进行训练？_Deep Learning_Conv Neural Network

Deep learning 为了比较不同的CNN，它们是否应该在同一数据集上进行训练？

deep-learning

Deep learning 为了比较不同的CNN，它们是否应该在同一数据集上进行训练？,deep-learning,conv-neural-network,Deep Learning,Conv Neural Network,我是机器学习新手，所以我想知道两件事。第一，比较CNN时要使用哪些参数。其次，它们是否应该在相同的数据集上进行训练？如果您在任何模型/架构之间进行比较，它们应该具有相同的条件，例如训练设置，数据集，参数，优化器，权重初始化，等等。如果存在任何不匹配，结果可能有偏差。下面是一些场景，比较结果会产生误导若数据集具有不同的分布，那个么模型将具有不同的行为和表示。例如，在SVHN和MNIST数据集中，两者都用于数字分类。但它们的性质完全不同如果一个模型在大型数据集上进行训练（相同类型，比如说ima

我是机器学习新手，所以我想知道两件事。第一，比较CNN时要使用哪些参数。

其次，它们是否应该在相同的数据集上进行训练？

如果您在任何模型/架构之间进行比较，它们应该具有相同的条件，例如

训练设置

，

数据集

，

参数

，

优化器

，

权重初始化

，等等。如果存在任何不匹配，结果可能有偏差。下面是一些场景，比较结果会产生误导

若数据集具有不同的

分布

，那个么模型将具有不同的行为和表示。例如，在SVHN和MNIST数据集中，两者都用于数字分类。但它们的性质完全不同

如果一个模型在大型数据集上进行训练（相同类型，比如说

imagenet

mini-imagenet

），那么一个模型将比另一个模型学习更好的表示和泛化

如果一个数据集在

质量

（分辨率）方面是好的，那么它将有助于提取更好的特征

即使是相同类型的数据集，但使用不同的摄像机采集，也会产生不同的结果

另一个功能，如
优化
过程，高度依赖于培训设置（参数）

总之，对于任何类型的比较（为了获得公平的结果），应在相同的条件下对其进行评估
它们肯定应在与CNN相同的数据集上通过学习像素进行训练。如果数据集更改，像素值将更改，因此没有具体的标识符来评估模型。您也可以参考任何架构文件，如resnet，其中显示了评估模型的确切方法。
比较的目的是什么？如何实现两个不同的CNN？你用什么样的数据来训练和测试他们？我正在创建emorion识别。Fer2013数据集。一个模型iz迷你_例外，另一个是基于keras站点od cifar10的简单cnn模型