我找不到Mnist数据集以外的任何示例 . 像CNN用于分类的这个存储库的任何帮助都将不胜感激 . 有关使用RNN对图像进行分类的任何帮助都会有所帮助 . 试图替换following tutorial的CNN网络 .
Aymericdamien有一些最好的例子，他们有一个使用带有图像的RNN的例子 .
https://github.com/aymericdamien/TensorFlow-Examples
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb
该示例使用MNIST，但它可以应用于任何图像 .
但是，我要指出，您不太可能找到使用RNN对图像进行分类的许多示例，因为对于大多数图像处理任务，RNN不如CNN . 与上述相关的示例出于教育目的而非实际目的 .
现在，如果您尝试使用RNN，因为您有一系列想要处理的图像，例如使用视频，在这种情况下，更自然的方法是将CNN（用于图像处理部分）与RNN（用于序列处理部分） . 为此，您通常会在某些分类任务（如Imagenet）上预先跟踪CNN，然后通过CNN提供图像，然后CNN的最后一层将成为RNN每个时间步的输入 . 然后，您将让整个网络列车在RNN上定义损失功能 .
1 回答
Aymericdamien有一些最好的例子，他们有一个使用带有图像的RNN的例子 .
https://github.com/aymericdamien/TensorFlow-Examples
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb
该示例使用MNIST，但它可以应用于任何图像 .
但是，我要指出，您不太可能找到使用RNN对图像进行分类的许多示例，因为对于大多数图像处理任务，RNN不如CNN . 与上述相关的示例出于教育目的而非实际目的 .
现在，如果您尝试使用RNN，因为您有一系列想要处理的图像，例如使用视频，在这种情况下，更自然的方法是将CNN（用于图像处理部分）与RNN（用于序列处理部分） . 为此，您通常会在某些分类任务（如Imagenet）上预先跟踪CNN，然后通过CNN提供图像，然后CNN的最后一层将成为RNN每个时间步的输入 . 然后，您将让整个网络列车在RNN上定义损失功能 .