我正在尝试创建一个神经网络项目来确定彩色图像的质量，并返回它是否通过了质量检查。该质量检查将在2000个样本大小中确定和训练，其中包含50％的好照片和50％的坏照片。
假设我执行检查的图片是1280x1280像素，RGB没有Alpha通道。我正在尝试创建以下神经网络
输入图层==＆gt; 1280 * 1280 * 3 = 4915200神经元
2 x隐藏层==＆gt;层1 = 1638400，层2 = 409600神经元
输出图层==＆gt; 1神经元
我遇到的问题是，在简单的XOR训练中，我们可以轻松地使用2个输入，1个隐藏层，包括2个神经元和1个输出神经元。然而，当它成为现实世界的应用程序时，内存成为一个巨大的问题。所需的内存量超过我的128GB内存机器。
我不知道我应该如何处理这个项目，以便它能够提高内存效率？ （至少在128GB以内）
期待公开讨论我应该采取什么方法来使其发挥作用！
由于
答案 0 :(得分：0)
你应该使用卷积神经网络。我建议只从图像识别项目中复制神经网络，然后在数据集上重新训练它。有效的卷积NN实现不应该使用那么多内存，尽管可能需要很长时间才能进行训练。
您还可以使用较低分辨率的图像，这通常是在机器视觉中完成的。将所有图像缩小到256x256像素。