本学期我在Tensorflow的新课程中有一个小项目，随机主题。由于我对卷积神经元网络有一些背景知识，我打算将它用于我的项目。我的电脑只能运行TensorFlow的 CPU 版本。
然而，作为一个新的蜜蜂，我意识到有许多话题，如MNIST，CIFAR-10等，因此我不知道我应该从他们中选择哪个合适的主题。我只剩下两周。如果主题不是太复杂但不容易学习，那将是很好的，因为它符合我的中级水平。
根据您的经验，您能就我应该为我的项目做的具体主题给我一些建议吗？
此外，如果在这个主题中我可以提供自己的数据来测试我的训练，那会更好，因为我的教授说在我的项目中获得A等级是一个加分点。
提前致谢，
答案 0 :(得分：0)
我认为，要回答这个问题，您需要正确评估项目的标记标准。但是，我可以简要介绍一下你刚刚提到的内容。
MNIST ：MNIST是光学字符识别任务，适用于图像大小为28像素的单个数字0-9。这被认为是CNN的“Hello World”。它非常基础，可能对您的要求过于简单。没有更多信息很难衡量。尽管如此，CPU Tensorflow的运行速度非常快，在线教程非常好。
CIFAR-10 ：CIFAR是一个更大的对象和车辆数据集。图像尺寸为32像素正方形，因此单个图像处理也不算太差。但数据集非常大，您的CPU可能会遇到困难。训练需要很长时间。您可以尝试使用简化数据集进行培训，但我不知道如何进行培训。同样，取决于您的课程要求。
鲜花 - 诗人：有诗人重新训练的Tensorflow示例可能不适合您的课程，您可以使用鲜花数据集来构建自己的模型。
构建自己的模型：您可以使用tf.Layers构建自己的网络并进行实验。 tf.Layers很容易使用。或者，您可以查看新的Estimators API，它将为您自动化许多培训过程。 Tensorflow网站上有许多教程（质量参差不齐）。
我希望这能帮助你解决那些问题。要查看的其他数据集是PASCAL VOC和imageNet（但它们非常庞大！）。查看试验的模型可能包括VGG-16和AlexNet。