我有必要保持模型尽可能小,以便部署可以在应用程序上高效运行的图像分类器(准确性对我来说并不重要)。
我最近接触了深度学习,但我没有很好的经验,因此我目前正在使用cifar-10示例。我尝试将前两个5x5卷积层分别替换为两个3x3卷积层,如中所述。
不幸的是,当我要对测试集进行分类时,我得到了大约0.1的正确分类(随机选择)
这是修改后的第一层代码(第二层类似):
with tf.variable_scope('conv1') as scope:
kernel_l1 = _variable_with_weight_decay('weights_l1', s