我一直致力于重新训练 TensorFlow Inception v3(请参阅 TensorFlow Github)并且很好奇我将如何获得关于该模型的一些通用“元数据”。
例如:
- 有多少隐藏层？
- 接受再训练的“最后”层是哪一层？
- 总共有多少个神经元(或神经元/层)？
- 使用了多少个卷积？
- 使用了多少个池化？
我基本上希望能够写一两句话来描述模型。网站上有一句话
...single frame evaluation with a computational cost of 5 billion multiply-adds per inference and with using less than 25 million parameters.
但我不确定那是什么意思。那是2500万个神经元吗？
查看文档Rethinking the Inception Architecture for Computer Vision这是在 GitHub 上引用的，我想我需要的大部分内容都在表 1 中？
我会写这个吗？
“TensorFlow InceptionV3 是一个深度卷积神经网络，具有 13 个隐藏层并使用六个卷积、两个池化步骤和三个初始模块来执行图像的 softmax 分类”
当然，我想要句子中的正确数据，也很想知道模型中有多少个神经元
谢谢!
请您参考如下方法:
您的方向非常正确。是的，参数是神经元。例如，第一个 conv 层的输出是 32 个网格大小为 149^2 的过滤器(内核)。仅该层就有 710,432 个神经元/参数。
训练的关键部分是反向传播，它调整一层和下一层之间的权重。 SoftMax 操作的结果是 1000 个输出预测；最后训练的层将是它与前一层的连接。
您可以从图表中读取简单的卷积和池化。我不确定您是否应该将这些包含在起始层中。
最后，如果我没看错的话，inceptions 是每种类型的多个单元，串联应用。这意味着我们有 10 个起始层，而不是 3 个。
