在机器学习训练和评估过程中,图像文件类型对准确性或速度有影响吗?

我想知道在使用Keras、Tensorflow或其他任何机器学习库进行图像分类时,图像文件类型是否有影响。例如:

如果我仅使用JPG文件进行训练,然后仅使用PNG文件来评估模型,准确性会受到显著影响吗?

如果是这样的话,是否应该同时使用JPG和PNG文件进行训练,以便可以评估这两种类型的文件?

还是说图像文件类型根本不重要?


回答:

文件类型并不重要。

在训练(以及推理)过程中,图像会被转换成张量(可以简单理解为多维数组),每个像素由一小组数字(或对于黑白图像是一个数字)表示。

机器学习是在这些张量上进行的,而不是图像本身,因此原始文件格式真的无关紧要。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注