卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖像數(shù)據(jù)很卡？我想你需要先確定你是使用CPU還是GPU。安裝tensorflow時，如果安裝了GPU版本，則使用默認GPU。你可以在運行程序之前打開探測器。例如，Watch-n0.1n

卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖像數(shù)據(jù)很卡？

我想你需要先確定你是使用CPU還是GPU。安裝tensorflow時，如果安裝了GPU版本，則使用默認GPU。你可以在運行程序之前打開探測器。例如，Watch-n0.1nvidiasmi（Ubuntu）命令可以用來檢測GPU。CPU和內(nèi)存系統(tǒng)（我不知道你用什么系統(tǒng)）也有可視化監(jiān)控程序。

程序卡，但還是可以運行的，我猜應(yīng)該是用CPU在計算時，內(nèi)存不夠，用虛擬內(nèi)存時，卡就多了。

卷積神經(jīng)網(wǎng)絡(luò)如何進行圖像識別？

卷積神經(jīng)網(wǎng)絡(luò)通過用戶設(shè)計的損失融合（分類往往是交叉的）計算實際標(biāo)簽和預(yù)測標(biāo)簽之間的差異，使用梯度反向傳播最小化損失，并更新卷積核參數(shù)以生成新的預(yù)測值。重復(fù)此過程，直到培訓(xùn)結(jié)束。

如何理解卷積神經(jīng)網(wǎng)絡(luò)里卷積過濾器的深度問題？

我們通?？吹降木矸e濾波器原理圖是這樣的：

這實際上是卷積濾波器的“展平”或“展平”。例如，上圖中的粉紅色卷積濾波器是3x3x3，即長3，寬3，深3。然而，在圖中，它是在兩個維度中繪制的-深度被省略。

.由于卷積濾波器的深度與輸入圖像的深度相同，所以原理圖中沒有繪制深度。如果同時繪制深度，效果如下：

（圖片來源：mlnotebook）

如上所述，卷積濾波器的深度與輸入圖像的深度相同，即3。

順便說一下，輸入圖像深度是3，因為輸入圖像是彩色圖像，深度是3，分別是R、G和b值。

（圖片來源：mlnotebook）

總之，卷積濾波器的深度應(yīng)該與輸入數(shù)據(jù)的深度一致。