我有一个迷你项目，用于本学期在 Tensorflow 中的新课程，主题是随机的。由于我对卷积神经元网络有一些背景，我打算将它用于我的项目。我的电脑只能运行CPU版本的 TensorFlow。
但是，作为一个新手，我意识到有很多主题，例如 MNIST、CIFAR-10 等，因此我不知道应该从中挑选出哪个合适的主题。我只剩下两个星期了。如果主题不是太复杂但太不容易学习，那就太好了，因为它符合我的中级水平。
以你的经验，你能给我一些关于我应该为我的项目做的具体主题的建议吗？
此外，如果在这个主题中我可以提供我自己的数据来测试我的训练会更好，因为我的教授说在我的项目中获得 A 级是一个加分点。
提前致谢，
我认为要回答这个问题，您需要正确评估项目的评分标准。但是，我可以简要概述一下您刚才提到的内容。
MNIST：MNIST 是一个光学字符识别任务，用于 28px 正方形图像中的单个数字 0-9。这被认为是 CNN 的“Hello World”。它非常基本，可能对您的要求过于简单。没有更多信息很难衡量。尽管如此，这将在 CPU Tensorflow 上运行得非常快，并且在线教程非常好。
CIFAR-10：CIFAR 是一个更大的物体和车辆数据集。图像大小为 32px 正方形，因此单独的图像处理还不错。但是数据集非常大，您的 CPU 可能会遇到困难。训练需要很长时间。您可以尝试在减少的数据集上进行训练，但我不知道会怎样。同样，取决于您的课程要求。
Flowers-Poets：Tensorflow for Poets re-training example 可能不适合您的课程，您可以使用 Flowers 数据集来构建自己的模型。
Build-your-own-model：您可以使用 tf.Layers 构建自己的网络并进行试验。tf.Layers 非常易于使用。或者，您可以查看新的 Estimators API，它将为您自动执行许多培训过程。Tensorflow 网站上有许多教程（质量参差不齐）。
我希望这可以帮助您了解那里的情况。其他要查看的数据集是 PASCAL VOC 和 imageNet（但是它们很大！）。用于试验的模型可能包括 VGG-16 和 AlexNet。