工作记录:训练、测 e169 试 TF-SSD
2017-05-31 10:34
281 查看
1.训练
ssd_vgg_300中修改:(num_classes可以在运行训练文件时指定,因此这里可以不修改)
'num_classes': 14, 'no_annotation_label': 14, 'normalizations': [13, -1, -1, -1, -1, -1],
设置训练参数,运行训练文件:
DATASET_DIR=./OPTIMAL_Z_FINAL TRAIN_DIR=./My_chkp CHECKPOINT_PATH=./checkpoints/vgg_16.ckpt python train_ssd_network.py \ --train_dir=${TRAIN_DIR} \ --dataset_dir=${DATASET_DIR} \ --dataset_name=optimal_z_2017 \ --dataset_split_name=train \ --model_name=ssd_300_vgg \ --checkpoint_path=${CHECKPOINT_PATH} \ --checkpoint_model_scope=vgg_16 \ --checkpoint_exclude_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box \ --trainable_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box \ --save_summaries_secs=60 \ --save_interval_secs=600 \ --weight_decay=0.0005 \ --optimizer=adam \ --learning_rate=0.001 \ --learning_rate_decay_factor=0.94 \ --batch_size=50 \ --num_classes=14 \ --labels_offset=1 \ --max_number_of_steps=1000000
2.测试
测试之前,保证datasets/optimal_z_2017中:(注意这里的valid不要写成test)
SPLITS_TO_SIZES={'train': 12520, 'valid': 9233,} NUM_CLASSES=13
测试参数:
DATASET_DIR=./OPTIMAL_Z_FINAL TRAIN_DIR=./My_chkp EVAL_DIR=${TRAIN_DIR}/eval python eval_ssd_network.py \ --eval_dir=${EVAL_DIR} \ --dataset_dir=${DATASET_DIR} \ --dataset_name=optimal_z_2017 \ --dataset_split_name=valid \ --model_name=ssd_300_vgg \ --checkpoint_path=${TRAIN_DIR} \ --wait_for_checkpoints=True \ --batch_size=1 \ --max_num_batches=500 \ --num_classes=14
修改
ssd_vgg_300,
权重所使用的训练参数:
--weight_decay=0.0005 \ --optimizer=adam \ --learning_rate=0.001 \ --learning_rate_decay_factor=0.94 \ --batch_size=50 \ --num_classes=14 \ --labels_offset=0 \
迭代次数 | 2000样本mAP/% |
---|---|
94747 | 22.7811 |
期待后续工作,深入调试这份代码,争取在自己的数据库上达到50%的准确率。
修改
ssd_vgg_300,
权重所使用的训练参数:
--weight_decay=0.0005 \ --optimizer=adam \ --learning_rate=0.001 \ --learning_rate_decay_factor=0.94 \ --batch_size=50 \ --num_classes=13 \ --labels_offset=0 \
迭代次数 | 2000样本mAP/% |
---|---|
5878 | 16.59 |
10090 | 18.61 |
20271 | 24.26 |
30472 | 25.53 |
40662 | 25.71 |
50906 | 25.65 |
61154 | 25.82 |
71407 | 25.81 |
81549 | 25.80 |
91586 | 25.80 |
100766 | 25.80 |
--weight_decay=0.0005 \ --optimizer=adam \ --learning_rate=0.001 \ --learning_rate_decay_factor=0.94 \ --batch_size=50 \ --num_classes=14 \ --labels_offset=1 \
测试结果:(VOC07mAP)
500样本 | 2000样本 | |
---|---|---|
第0次迭代 | mAP=0%; | |
第840次迭代 | mAP=2.34% | |
第3386次迭代 | mAP=4.77% | |
第5082次迭代 | mAP=7.46% | |
第7629次迭代 | mAP=10.24% | |
第9331次迭代 | mAP=10.82% | |
第10183次迭代 | mAP=11.15% | mAP=19.47% |
第15289次迭代 | mAP=11.78% | |
第20386次迭代 | mAP=12.13% | mAP=20.38% |
第25484次迭代 | mAP=13.22% | |
第30582次迭代 | mAP=12.70% | mAP=21.98% |
第35683次迭代 | mAP=12.38% | |
第40784次迭代 | mAP=12.24% | mAP=22.28% |
第45889次迭代 | mAP=12.46% | |
第50995次迭代 | mAP=12.51% | mAP=22.56% |
第55253次迭代 | mAP=12.40% | |
第60362次迭代 | mAP=12.43% | mAP=22.40% |
第65448次迭代 | mAP=12.40% | |
第71389次迭代 | mAP=12.39% | mAP=22.38% |
第76516次迭代 | mAP=12.41% | |
第81557次迭代 | mAP=12.42% | mAP=22.42% |
第91792次迭代 | mAP=22.40% | |
第101054次迭代 | mAP=22.40% | |
第110355次迭代 | mAP=22.40% | |
第次迭代 | mAP=% | |
第次迭代 | mAP=% | |
第次迭代 | mAP=% | |
第次迭代 | mAP=% | |
第次迭代 | mAP=% |
3.结果对比
之前只修改了类别数、没修改标签数的测试结果:(虽然收敛了,但是还是有点慢)第0次迭代,mAP=0%; 第822次迭代,mAP=1.31%; 第1655次迭代,mAP=2.57%; 第3322次迭代,mAP=6.15%; 第6659次迭代,mAP=9.05%; 第8329次迭代,mAP=9.02%; 第10001次迭代,mAP=10.42%; 第12517次迭代,mAP=10.97%; 第15877次迭代,mAP=12.13%; 第20086次迭代,mAP=11.79%;
之前没有修改类别数、没修改标签数的测试结果:(显然失败)
第441571次迭代,mAP=8.34%;
3.可视化
tensorard --logdir=./eval --port=7000
相关文章推荐
- 工作记录: 在自己数据库上运行TF-SSD——training Debug篇
- [训练测试过程记录]SSD:Single Shot Detector 用于场景文字检测
- Caffe-SSD(single-shot-multibox)在Windows平台下的配置(CPU和GPU)与训练记录
- Caffe-SSD(single-shot-multiboox)在Windows+GPU平台下的配置与训练记录
- SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录
- 工作记录:在自己的数据库上训练RCNN
- 前端工作,每日记录
- 工作记录--守护进程
- 关于C\C++运行时库的多线程版本的工作记录
- 工作记录5月9日开始(不断更新中)
- 2017赛季个人训练记录【done】
- 关于sudo 的工作记录20130507
- 工作一年之后的记录与总结
- 从今天开始我要陆续把工作中学到的知识发布到我的博客上,希望能对别人有些帮助,也用于记录我在工作中的点点滴滴。
- FCN语义分割训练自己数据不收敛处理记录
- CST GTM NULL 工作记录
- 工作记录
- sqlite工作记录-1数据库数据写入-转
- MIT jos 6.828 Fall 2014 训练记录(lab 5)
- 王家林的第三讲Hadoop图文训练课程:证明Hadoop工作的正确性和可靠性只需4步图文并茂的过程