Mnist 像素边框
Mnist pixel borders
我目前正在使用 tensorflow 和 mnist 代码。来自 Yann LeCun 的 mnist 数据集包含 20x20 像素图像，通过计算像素的质心，这些图像以 28x28 图像为中心。结果是至少有一个 4 像素的边界，这改进了结果分析。我在 mnist 上搜索和阅读了很多内容，但找不到为什么使用 4 个像素。
我正在计算 100x100 像素的图像，其中有 5 个像素的边框，但我不知道这是否足够。我可以尝试更改边框大小并比较结果，但这会花费我很长时间。我认为知识和应用良好实践更好。那么如何定义最佳边框尺寸呢？
根据我的经验，在 MNIST 之外根本不使用边框。如果你试图识别图像中的对象（而不是数字），你应该只提供整个图像，可能有一些随机裁剪或其他扭曲来帮助学习过程。其他任务的最佳实践会因领域而异，但通常来自对模型在生产中可能遇到的输入的相当常识性的直觉。
我目前正在使用 tensorflow 和 mnist 代码。来自 Yann LeCun 的 mnist 数据集包含 20x20 像素图像，通过计算像素的质心，这些图像以 28x28 图像为中心。结果是至少有一个 4 像素的边界，这改进了结果分析。我在 mnist 上搜索和阅读了很多内容，但找不到为什么使用 4 个像素。 我正在计算 100x100 像素的图像，其中有 5 个像素的边框，但我不知道这是否足够。我可以尝试更改边框大小并比较结果，但这会花费我很长时间。我认为知识和应用良好实践更好。那么如何定义最佳边框尺寸呢？
根据我的经验，在 MNIST 之外根本不使用边框。如果你试图识别图像中的对象（而不是数字），你应该只提供整个图像，可能有一些随机裁剪或其他扭曲来帮助学习过程。其他任务的最佳实践会因领域而异，但通常来自对模型在生产中可能遇到的输入的相当常识性的直觉。