caffe可视化与常见问题分析

一、caffe针对不同对象有四种可视化分别是网络结构可视化、caffemodel可视化、特征图可视化、loss与accuracy曲线可视化

1.网络结构可视化

设计好NET网络后，会有一个NET文件或者说训练好一个caffemodel后，有一个caffe文件。python提供了可视化工具，把NET文件或caffe文件中的模块可视化。

（1）自写代码实现可视化

     # ./draw_net.py

     # ./draw_net.py --rankdir TB ./lenet_train_test.prototxt mnist.png

（2）在线可视化工具 http://ethereon.github.io/netscope/#/editor
     把caffe文件粘贴复制到指定位置，然后shift+回车

2.caffemodel可视化

主要是参数（权值）可视化，caffe没有提供可视化工具自写代码实现。目的是判别caffemodel训练的程度。

# python test_extract_weights.py

3.特征图可视化

caffe没有提供可视化工具，自写代码实现

# python test_extract_data.py

4.loss和accuracy曲线可视化

caffe提供了可视化工具

# python plot_training_log.py  

# python plot_training_log.py 0 test.png '/home/ubuntu/teach_example/mnist_lenet.log'

二、常见问题分析

1.caffemodel

caffe训练完成后会生成一个caffemodel（以.model结尾），caffemodel是把训练完成后的每层名字、卷积层、全连接层以及所以参数包括权值、偏置给存储下来的文件。

2.无法降低loss或者loss波动很大

（1）模型不合理

（2）不同模型之间的相似度极高

3.模型准确率徘徊在90%，很难继续提升

（1）修改每层的参数

（2）增加数据