深度神经网络(DNN)是一个比较黑盒的东西,简单地说就是我要用caffe(暂时拟定用这个)来处理一个数据集,对数据集上的图像经过一定的处理之后作为caffe的输入,然后caffe会产生一个输出。我把输出结果跟groundtruth(标准值)进行比对,然后手动地调整caffe的参数,使得caffe得到一个较为满意的结果。
所以并不需要我人工搭建这样一个深度神经网络,我要做的只是
1.处理好图像的输入;
2.调整神经网络的参数,这是一个人工的过程,很需要经验;
3.建立一个输出结果的评价方式;
4.优化。
在整个数据集测试通过后的程序就可以去网上祸害别的图像了。
所以说DNN是个黑盒,你看不到里面具体是怎么运作的,你只知道参数设置这样一种组合后输入的结果比较好。而这个参数的设置需要长久的经验积累。我老师讲是个很玄乎的东西。我有种一辈子也调不出来的感觉啊。
只有有多少参数需要调呢,我参考的一片论文的第二级神经网络的输入参数就有至少72个。。。
妈的还是第二级。
好在这个网络不需要我做,想想还是很庆幸呢。