CNNs have a large number of hyperpa

CNNs have a large number of hyperparameters, such as input
image patch size, number of layers, number of filters, size of
filters, and parameters for training. The tuning of these hyperparameters
is essential to obtain good performance for a specific
task. The patch size of the input for CNN, the filter size and
pooling stride of the first convolution layer, and the size of
the filters have been tuned to maximize performance in this
study. Exhaustive searching of the best combination of hyperparameters
is very time consuming. In this experiment, the
hyperparameters are tuned in two steps. First, the input image
patch size and filter sizes are tuned using only three images,
each of which is used for training, validation, and training.
Then, the numbers of filters and layers are tuned on the full
data set using the size of input image patch and the size of filters
from the last step.

ผลลัพธ์ (ไทย) 1:

CNNs มี hyperparameters เช่นป้อนข้อมูลจำนวนมากขนาดโปรแกรมแก้ไขภาพ จำนวนชั้น จำนวนของตัวกรอง ขนาดของตัวกรอง และพารามิเตอร์สำหรับการฝึกอบรม การปรับแต่งเหล่านี้ hyperparametersจำเป็นต้องขอรับประสิทธิภาพดีสำหรับการงาน ปรับปรุงขนาดของอินพุตสำหรับ CNN ขนาดกรอง และร่วมก้าวของการพัฒนาชั้นแรก และขนาดของตัวกรองการปรับเพื่อเพิ่มประสิทธิภาพในการนี้การศึกษา ค้นหาข้อมูลของคอม hyperparametersจะใช้เวลานานมาก ในการทดลองนี้ การhyperparameters ปรับในสองขั้นตอน ครั้งแรก ภาพนำเข้าปรับปรุงขนาดและตัวกรองขนาดปรับใช้เพียงสามภาพแต่ละที่จะใช้สำหรับการฝึกอบรม ตรวจสอบ และการฝึกอบรมแล้ว ปรับตัวเลขของตัวกรองและชั้นบนเต็มชุดข้อมูลที่ใช้ขนาดของกรองและขนาดของภาพที่นำเข้าโปรแกรมปรับปรุงจากขั้นตอนสุดท้าย

ผลลัพธ์ (ไทย) 2:

CNNs มีจำนวนมากของ hyperparameters เช่นการป้อนข้อมูล
ขนาดภาพแพทช์จำนวนชั้นจำนวนของฟิลเตอร์ขนาดของ
ฟิลเตอร์และพารามิเตอร์สำหรับการฝึกอบรม จูนของ hyperparameters เหล่านี้
เป็นสิ่งจำเป็นเพื่อให้ได้ผลงานที่ดีสำหรับเฉพาะ
งาน ขนาดแพทช์ของการป้อนข้อมูลของซีเอ็นเอ็นขนาดการกรองและการ
ร่วมกันก้าวของชั้นบิดแรกและขนาดของ
ฟิลเตอร์ที่ได้รับการปรับเพื่อเพิ่มประสิทธิภาพในการ
ศึกษา ค้นหาครบถ้วนสมบูรณ์ของชุดที่ดีที่สุดของ hyperparameters
ใช้เวลานานมาก ในการทดลองนี้
hyperparameters จะปรับในสองขั้นตอน ก่อนที่ภาพข้อมูล
ขนาดและตัวกรองแพทช์ขนาดจะปรับใช้เพียงสามภาพ
แต่ละที่จะใช้สำหรับการฝึกอบรมการตรวจสอบและการฝึกอบรม.
จากนั้นตัวเลขของตัวกรองและชั้นจะปรับในเต็มรูปแบบ
ข้อมูลตั้งค่าการใช้ขนาดของการป้อนข้อมูล แพทช์ภาพและขนาดของฟิลเตอร์
จากขั้นตอนสุดท้าย

ผลลัพธ์ (ไทย) 3:

cnns มีจํานวน hyperparameters เช่นใส่แก้ไขขนาดภาพ จำนวนชั้น จำนวนของตัวกรอง , ขนาดของตัวกรองและพารามิเตอร์สำหรับการฝึก การปรับแต่งของ hyperparameters เหล่านี้เป็นสิ่งจำเป็นเพื่อให้ได้ผลงานที่ดีโดยเฉพาะงาน แก้ไขขนาดของ input สำหรับกรองขนาดและซีเอ็นเอ็นการก้าวย่างของชั้นขดแรก และขนาดของตัวกรองได้รับการปรับเพื่อเพิ่มประสิทธิภาพในการศึกษา ค้นหาหมดจดของการรวมกันที่ดีที่สุดของ hyperparametersมันใช้เวลานานมาก ในการทดลองนี้hyperparameters จะปรับใน 2 ขั้นตอน แรก , ภาพใส่ขนาดหย่อม และขนาดตัวกรองสัญญาณโดยใช้เพียงสามภาพแต่ละที่ใช้สำหรับการฝึกอบรม , การตรวจสอบและการฝึกอบรมแล้วหมายเลขของตัวกรองและชั้นจะปรับในเต็มรูปแบบชุดข้อมูลที่ใช้รับภาพ ขนาดของแพทช์และขนาดของตัวกรองจากขั้นตอนที่แล้ว