Ta的回复 ：2班+高飞龙 1、网络结构：计算每层网络结构和输入输出尺寸和参数个数。不加BN？更深？每层的尺寸变化？更多结构？ conv_pool_1 -> 输入为[3*32*32] 卷积后 20*28*28 池化后 20*14*14 conv_pool_2 -> 输入为[20,14,14] 卷积后 50*10*10 池化后 50*5*5 conv_pool_3 -> 输入为50*5*5 卷积后 50*1*1 池化后 50*1*1 prediction -> 全连接层 输出单元的数目为10， 意为有10种输出结果，回归方式为：softmax， bn的作用是防止过拟合， 一般用在卷积后，池化前 2、尝试不同的Loss函数和优化算法（SGD、Momentum、Adagrad、Adam），观察效果的变化，最好的选择是什么？为什么？ Adam正确效率最高 3、尝试不同的样本数量：随着每个类别样本数量由少变多，模型准确率变化的曲线是怎样的？每个类别至少有多少张图片可支撑一个准确率尚可的模型？ 使用图像分类模型识别世界的万事万物是否可行？（自己编写数据读取程序，而不用默认函数；先完成同学可以在班级群内推送代码，供同学们参考） 样本少的情况下，训练时正确率的波动范围较大，成本的波动范围也较大 500张 使用图像分类模型识别世界的万事万物，如果只有识别已有类型尚可，如果物体与物体有所属关系，还有未知物体如何处理，简单的分类识别可能适合于监督学习，要识别世界的万事万物，需要有主动学习的能力，无监督学习可能更适合。