Machine learning 有可能把牛顿和#x27；s图像分类方法？
嗨，我是机器学习领域的新手，现在我的第一个挑战是提高基于狗和猫图像分类的图像分类的准确性。所以我在谷歌上搜索找到了实现这一点的方法，我找到了牛顿的方法。然而，该公司表示，这是一种巨大的、不太可能普遍使用的技术。 在我的例子中，我只在7节课上使用了大约1600张图片。所以我想也许（我不知道）这是可能的 你觉得怎么样 ? 这对我来说可能吗Machine learning 有可能把牛顿和#x27；s图像分类方法？,machine-learning,image-classification,Machine Learning,Image Classification,嗨，我是机器学习领域的新手，现在我的第一个挑战是提高基于狗和猫图像分类的图像分类的准确性。所以我在谷歌上搜索找到了实现这一点的方法，我找到了牛顿的方法。然而，该公司表示，这是一种巨大的、不太可能普遍使用的技术。 在我的例子中，我只在7节课上使用了大约1600张图片。所以我想也许（我不知道）这是可能的 你觉得怎么样 ? 这对我来说可能吗 我不知道机器学习及其算法，所以如果你给我一些建议，我会很有帮助。由于各种原因，牛顿法通常不用于优化，梯度下降法用于优化，并且已经证明它显示了非常好的输出。那么为什
我不知道机器学习及其算法，所以如果你给我一些建议，我会很有帮助。由于各种原因，牛顿法通常不用于优化，梯度下降法用于优化，并且已经证明它显示了非常好的输出。那么为什么不使用牛顿的方法，你可以找到原因 图像分类属于计算机视觉任务，它使用深度学习（神经网络）获得了最先进的结果，深度学习是机器学习的一部分 你的任务是提高图像分类模型的准确性。所以我假设你正在使用任何深度学习模型，为了提高其准确性，你必须先研究数据，然后再研究模型。我的意思是说，首先要提高数据的质量，如果你没有得到结果，那么你应该研究一下模型 提高数据质量
- 检查您的数据是否平衡。我的意思是你有7个类，总共1600张图片，所以要确保在7个类中图片的分布没有不平等
- e、 g.如果一个类有60%的数据，而其余的40%被划分为其他类，那么您的数据是高度不平衡的
- 在这种情况下，可以对样本较少的类使用数据扩充。数据增强技术包括裁剪、模糊、添加抖动、盐和纸张噪声、锐化等
- 尝试更改您的优化算法（Adam、SGD等）
- 尝试更改优化算法的学习速率
- 应用批处理规范化
- 添加退出层
最佳解决方案-使用迁移学习，即使用Adam optimizer的任何预训练模型，如ResNet、Inception、Exception等。大量信息且易于理解！科德里纳先生，非常感谢你。好的，所以这次我不使用牛顿方法，正如你们所说的，我将尝试先看数据，然后看模型。谢谢你，科德琳娜先生：）很高兴它帮助了你！！！欢迎：）P.S.我是科德里娜女士；）哦，对不起，科德里娜女士。我不能仅凭名字来区分性别哈哈