Fast-image-classification:使用瓶颈进行快速图像分类

快速图像分类 使用瓶颈进行快速图像分类 如果没有使用适当的算法，图像分类可能是一项艰巨的任务。 众所周知，尤其是Convolutional Networks Deep Learning Convolutional Networks了计算机视觉界的蓬勃发展。 图像分类任务是将给定图像分类为训练算法的类别之一。 进行图像分类的常用方法是微调（ Transfer Learning ）预训练的神经网络。 对神经网络进行微调是针对我们的特定任务训练经过预训练的神经网络的过程。 通常，这是通过仅训练CNN的最后一层（保持基础层不可训练）来完成的。 在保持网络基础不可训练的同时，权重矩阵和偏差矩阵也会改变。 在微调过程中，我们在不可训练的零件（基础层）中进行了许多不必要的前移，这明显增加了微调所花费的时间。 因此，在这里，我们对网络的不可训练部分进行了第一个前向传递并将其存储（称为瓶颈）。 然后，