No es necesariamente el caso. Puede tener diferentes píxeles para diferentes imágenes, pero si desea entrenar una CNN, el tamaño de entrada debe ser el mismo. (Supongo que sabe por qué las entradas deberían ser las mismas para un modelo; de lo contrario, lea la nota al pie) . Para ello, rellena la imagen al máximo de la dimensión de la imagen en su conjunto de datos. (O bien, puede rellenar la imagen para indicar las dimensiones: el relleno de una imagen difiere según la mano de la tarea )
Nota al pie: olvídate de CNN por un tiempo, toma un modelo de regresión lineal. Tiene una característica de salida y características de entrada ‘n’ para todas las muestras para entrenar el modelo, pero no podrá alimentar una entrada que tenga características ‘n + 1’ al modelo anterior porque causa el cambio en el peso dimensiones.
Intente entrenar las matemáticas en NN simple, tendrá su respuesta.
- ¿Qué significa realmente la matriz de covarianza de la estimación de máxima verosimilitud de la distribución normal multivariante?
- ¿Qué es mejor en CMU: 10-601 o 10-701?
- ¿Cuál es la mejor base de datos para almacenar vectores de características de gran tamaño para su posterior recuperación y calcular las mediciones de distancia para la coincidencia de similitudes?
- Cómo usar la red neuronal convolucional en sus proyectos
- ¿Es posible que una máquina de IA en el futuro descubra o pruebe una ley de la naturaleza por sí misma?
