#python-2.7 #tensorflow #keras
#python-2.7 #tensorflow #keras
Вопрос:
Я использую Keras (с серверной частью Tensorflow) для проекта классификации изображений. У меня есть в общей сложности почти 40 000 изображений с высоким разрешением (1920×1080), которые я использую в качестве входных данных для обучения. Обучение занимает около 45 минут, и это становится проблемой, поэтому я подумал, что мог бы ускорить процесс, снизив разрешение файлов изображений. Глядя на код (я не писал его сам), кажется, что все изображения в любом случае изменены до 30×30 пикселей перед обработкой
У меня есть два общих вопроса по этому поводу.
- Разумно ли ожидать, что это улучшит скорость обучения?
- Повлияет ли изменение размера входных файлов изображений на точность классификации изображений?
Комментарии:
1. Вы также должны определить, сколько из этих 45 минут уходит на изменение размера изображений. Если бы вы изменили размер (до 30×30), сохранили изображения (в виде файлов), а затем просто прочитали их (вместо изменения размера), то вы получили бы те же результаты, что и сейчас, за меньшее время. Вы бы обменяли время обработки на объем памяти.
Ответ №1:
1- Конечно, это повлияет на скорость обучения, поскольку пространственные размеры являются одним из наиболее важных параметров быстродействия модели. 2- Мы можем с уверенностью сказать, что это повлияет на точность, но насколько точно это зависит от многих других аспектов, таких как то, какие объекты вы классифицируете и с каким набором данных вы работаете.
Комментарии:
1. Спасибо за ваш вклад. Похоже, мне стоило бы протестировать это, но на всякий случай, вероятно, лучше просто оставить все как есть.