caffe finetune问题:按照网上的教程微调alexnet为什么loss一直是87.3365?
2017-08-08 17:25
405 查看
分类层的 num_output 和 标签的值域 不符合:
a. 要知道imagenet是进行1000类的分类任务,我自己的数据是一个二分类,就一定要把最后‘fc8’InnerProduct的分类层的num_output: 2原来是1000,这个设成自己label的类别总数就可以。 b. 但是注意同时要修改train.prototxt和deploy.prototxt两个网络配置文件中的num_output
我按这个修改的,loss小了,之前也是87.3365
a. 要知道imagenet是进行1000类的分类任务,我自己的数据是一个二分类,就一定要把最后‘fc8’InnerProduct的分类层的num_output: 2原来是1000,这个设成自己label的类别总数就可以。 b. 但是注意同时要修改train.prototxt和deploy.prototxt两个网络配置文件中的num_output
我按这个修改的,loss小了,之前也是87.3365
相关文章推荐
- caffe小问题汇总(持续更新) PS:所有问题均在caffe-windows下产生 1、为什么AlexNet中,InnerProduct_Layer(fc8)层的输出可以直接作为Accuracy
- DL开源框架Caffe | 模型微调 (finetune)的场景、问题、技巧以及解决方案
- VS2015+opencv,按照网上的VS2013教程配置的,运行的时候出现【无法启动此程序,因为计算机中丢失MSVCP120D.dll。尝试重新安装该程序以解决问题。】
- caffe 进行自己的imageNet训练分类:loss一直是87.3365,accuracy一直是0
- 一直有个问题说不清楚,我们学习知识的时候为什么一定要按照知识点积累和理论并行?
- caffe训练加BN层的网络时loss为87.3365的问题解决办法
- DL开源框架Caffe | 模型微调 (finetune)的场景、问题、技巧以及解决方案
- Caffe 模型微调 的场景、问题、技巧以及解决方案
- 天地图按照官方教程闪退的问题
- caffe Ubuntu14.04 安装教程 及 出现的问题,解决办法
- 一直困扰的标准I/O缓冲机制问题(从网上找了个资料)
- 关于caffe训练出现loss=87.3365
- caffe教程翻译:Loss
- Caffe训练AlexNet网络,精度不高或者为0的问题结果
- 我的第一个用JDBC连接数据库的例子(按照网上教程来)
- UX设计初学者入门教程:从五个问题,三个为什么着手
- 1、为什么caffe训练时训练集loss=0.06,验证集accuracy=0.98但测试集的准确率很低accuracy=0.67
- ubuntu16.0+cudn8.0+opencv3.1+caffe安装教程(步骤+问题解决)
- 解决Caffe训练过程中loss不变问题
- windows中caffe中alexnet模型可能会遇到的问题