我可以将 CIFAR-10 数据集转换为灰度图像并将其转换为与 MNIST 数据集相同的维度吗？模型会失效或者无法学习吗？

Question

我是深度神经网络领域的新手。附近有各种深度学习框架。特别是

Theano

、

Torch7

、

Caffe

，以及最近开源的

TensorFlow

。我已经尝试了他们网站上提供的一些教程。特别是

TensorFlow

。我想这是每个深度学习框架的

MNIST dataset

。我还从

here

查看了教程。这个已经详细解释了，但他们没有提供任何深度学习框架的实践经验。那么哪个框架更适合初学者呢？我在 Quora 上查了类似的问题。有人说 theano 更难学，但它提供了更多的控制权，Caffe 更容易学习，但它对网络的控制权更少。 Tensorflow 上没有任何内容，因为它是新的，但从我所看到的文档来看，文档写得不是很好，而且似乎更难理解。那么作为新手我应该选择学习什么？ 另一个问题，正如我所说，MNIST 是每个深度学习框架的

hello world

，并且可以找到许多神经网络来识别

hello world

数据集。那么，如果我使用相同的网络来检测其他数据集，例如

MNIST

数据集，它会起作用吗？假设我将

CIFAR-10

数据集转换为灰度图像，并将其转换为与 MNIST 数据集相同的维度。模型会失效或者无法学习吗？或者准确性不好还是什么？

Answer 1

一种更奇特的方法是将所有 3 个颜色平面的像素值平均到一个平面（灰度）中。这可能会比第一种方法产生更容易识别的图像，但不如全彩图像。

Answer 2

CIFAR-10