La respuesta corta suele ser sí. En mi experiencia, es uno de los parámetros más influyentes en el rendimiento de su algoritmo. A menudo, más que tener la última y mejor arquitectura de red.
Cuantas más imágenes tenga, más precisos serán sus pesos al generalizar para esta categoría. Hay algunas advertencias:
- Si el dominio de interés es similar a un conjunto de datos existente donde puede encontrar una red previamente capacitada, necesitará significativamente menos datos. Debería mirar el aprendizaje de transferencia, también conocido como ajuste fino para eso.
- Si la clase de objetos que está buscando tiene una gran variabilidad, necesitará más datos, si es una clase de objeto simple, menos datos.
- Si desea saber en su proyecto actual si necesita ‘más datos’, ‘modelo más profundo’, etc. Le sugiero que mire el curso de Andrew en Coursera, es un tema favorito suyo, que considero que debe saber.
- ¿Qué es una red cortical recurrente?
- Cómo implementar el aprendizaje automático en una aplicación de Android
- ¿Qué es el aprendizaje automático?
- ¿Puedo aprender el aprendizaje automático sin conocer álgebra lineal, estadísticas y probabilidad?
- ¿Cómo cambiará Google Brain el futuro de la búsqueda?
