我应该为 Keras 使用哪些层？

Question

我正在 Keras 中构建一个示例项目。该项目旨在识别猫和狗之间的差异。我在网上找到了一个example，模型如下：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

我的问题是，人们如何知道要使用哪些层？何时使用 Conv2D 与 Conv1D 与另一层是否有指导或经验法则？

Answer 1

简而言之 - 他们没有。提出良好的架构是当前深度学习研究的主要内容。有一些经验法则和直觉，但主要是 - 经验或应对据报道有效的现有规则。

简而言之：

• 当您在数据中具有空间和/或时间结构时使用卷积，例如图像、视频、声音等。
• 池化与卷积具有相似的用例，它仍然需要空间和/或时间结构（除非它应用于整个通道/维度），并提供了一种去除“细节”（通常是噪声）和减少维度的方法信号
• 当您的数据具有顺序字符时循环
• 需要完全连接来“强制”给定维度（因此通常用作最后一层）或当一个人并不真正了解任何可以利用的结构时（因为它们几乎是最通用的）

然而，如何组合、使用哪些超参数、使用多少是一个巨大的开放式研究问题，一开始最好的方法是复制别人的架构并获得一些经验/直觉，什么是有效的，什么是有效的不适用于您正在使用的数据。