Makoto測試時的準確率很高，達到95%，但是當他真的將這個系統(tǒng)用于實踐時，識別準確率一下子降到了70%。Makoto懷疑是因為這個神經網絡模型有了“過擬合”的問題，這是數據庫數據不足而出現的現象。
另外，深度學習所需的計算量大，而Makoto使用典型的Windows PC機來訓練神經網絡，效率比較低。盡管他已經事先將所有的照片降低到80 x 80像素，系統(tǒng)仍然需要2-3天來完成7000張照片的訓練。
這樣低分辨率的照片導致的結果是，系統(tǒng)目前還并不能識別出顏色、紋理、刮痕和小刺，只能分辨出形狀、長度和是否彎曲。而如果要提高照片分辨率，系統(tǒng)的計算量猛增，效率又會拖慢。
所以 Makoto 目前正打算使用谷歌的云機器學習（Cloud Machine Learning）平臺，來進一步改善他的黃瓜分類機。
小編推薦閱讀
