Keras 卷积神经网络模型结构

我正在和Keras一起研究面部表情识别

我有一个包含72000张图像的数据集。我将80%用于培训，10%用于验证，10%用于测试

所有图像在灰度模式下为48 x 48

我的模型架构如下所示：

model = Sequential()
model.add(Conv2D(64, 5, 5, border_mode='valid', input_shape=(img_rows, img_cols, 1)))
model.add(PReLU(init='zero', weights=None))
model.add(ZeroPadding2D(padding=(2, 2), dim_ordering='tf'))
model.add(MaxPooling2D(pool_size=(5, 5),strides=(2, 2)))

model.add(ZeroPadding2D(padding=(1, 1), dim_ordering='tf')) 
model.add(Conv2D(64, 3, 3))
model.add(PReLU(init='zero', weights=None))
model.add(ZeroPadding2D(padding=(1, 1), dim_ordering='tf')) 
model.add(Conv2D(64, 3, 3))
model.add(PReLU(init='zero', weights=None))
model.add(MaxPooling2D(pool_size=(3, 3),strides=(2, 2)))

model.add(ZeroPadding2D(padding=(1, 1), dim_ordering='tf'))
model.add(Conv2D(128, 3, 3))
model.add(PReLU(init='zero', weights=None))
model.add(ZeroPadding2D(padding=(1, 1), dim_ordering='tf'))
model.add(Conv2D(128, 3, 3))
model.add(PReLU(init='zero', weights=None))
model.add(ZeroPadding2D(padding=(1, 1), dim_ordering='tf'))
model.add(MaxPooling2D(pool_size=(3, 3),strides=(2, 2)))

model.add(Flatten())
model.add(Dense(1024))
model.add(PReLU(init='zero', weights=None))
model.add(Dropout(0.2))
model.add(Dense(1024))
model.add(PReLU(init='zero', weights=None))
model.add(Dropout(0.2))

model.add(Dense(7))
model.add(Activation('softmax'))

ada = Adadelta(lr=0.1, rho=0.95, epsilon=1e-08)

我有几个问题：

1/如何选择提供最佳性能（准确度）的层数及其最佳参数（卷积、最大池、退出等），我的意思是基于什么

2/根据参数（内核和过滤器大小、步长等），各层之间的关系是什么

3/就像我说的，图像是48 x 48灰度模式。好吗？它会影响性能吗？我的模型架构与这些图像配合得好吗？使用较大的图像或彩色图像将提高性能？

1）。在尝试不同的体系结构之前，您不会知道。尽管如此，自动化这个过程还是值得的。尝试序列化体系结构，或将不同的体系结构存储在不同的文件中，使用唯一ID。经过实验，你将能够找到哪一个做得最好

---

答复3）。颜色将为您提供更多的特征（R、G、B），而不是灰色，从而使您的分类器有更多机会正确选择图像。然而，它也可能使您的分类器对颜色平衡（换句话说，同一张脸，但使用不同设置拍摄的照片）等方面的变化更加敏感。我会先尝试灰度图像，然后再将功能数量增加三倍。

问题2有答案吗？谢谢你把这件事说清楚：它很好地解释了你可能在想什么。