我想从单个 CNN 模型创建两个单独的 CNN 模型。让我将其命名为 CNN-A 和 CNN-B。
即原始 CNN 模型 = CNN-A 模型 + CNN-B 模型
在预测期间，原始输入数据集被馈送到 CNN-A。 CNN-A 的输出作为 CNN-B 的输入。原始模型的原始输出是CNN-B模型的输出。
为了实现上述架构，如果有的话，我想得到您的建议和想法，好吗？
答案 0 :(得分：1)
实现似乎是多余的。原因是每个 CNN 的输入应该是图像。假设第一个 CNN 网络的输出是一个图像，您将其提供给第二个 CNN，这与将多个卷积层与额外的 dropout 以及 One CNN 模型 的类似内容堆叠在一起是一样的。< /p>
因此，毕竟实施深度 CNN 将模仿您想要的架构。
您还可以查看 transfer learning，它能够利用预训练模型的层，并且您能够添加自己的最终层并进行调整。这也和你说的类似。
================ 评论后======================
您可以使用像 mobilenet 这样的模型架构来将模型部署到您的移动设备上。
您还可以将迁移学习应用于现有的预训练移动网络模型，这将节省大量时间和资源。
最后，您可以使用 Flask 在服务器上部署模型（用于计算机）。然后创建一个 API，当您通过 POST 请求将相关数据发送到服务器时，该 API 将提供预测。这通常用于减少移动设备的负载，这是我更喜欢的方法。这种方法相对高效且易于扩展。