caffe 学习之 Fine-tune
来源:互联网 发布:台风战斗机知乎 编辑:程序博客网 时间:2024/06/05 22:32
主要参考caffe官网教程:http://caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.html 以下对整个实验进行介绍:
Fine-tuning原理:所谓fine-tuning就是用别人训练好的模型,加上自己的数据,来训练新的模型。由于在自己的分类任务中很难拿到大量的训练数据,会导致所训练模型的准确率较低,同时还会导致过拟合和收敛性的问题产生。因此我们采用在较大的数据集上例如Imagenet上已经训练好的模型来训练(微调)我们的网络,具体在caffe上进行Fine-tuning分为如下几步:
(1)数据集准备
(2)定义net:train—val.prototxt
(3)定义solver:solver.prototxt
(4)在预训练的权重基础上进行训练
Imagenet数据集1000个类别,而我们要训练的Flickr数据集只有20个类别,因此我们通过修改prototxt文件中模型的最后一层的名字,来保证不与该文件中的层名字相同,在重新训练的过程中就会对参数进行重新初始化。
在caffe根目录下执行以下脚本,就可以下载包含2000张图片的数据集,同时将该数据集分为train和test两部分,并生成相应的标签文件:存放于目录data/flickr_style
我们需要已经在ImageNet上训练好的模型,可以通过以下脚本获取模型文件:
定义net
微调参数时,保存net的prototxt文件可以直接复制预训练时使用的train_val.prototxt(/models/bvlc_reference_caffenet)然后进行以下修改:
(1)修改TRAIN和TEST的data层(修改层名字+指定标签文件路径)
(2)修改output层(层名字/输出类别数目/10x参数学习速率)
(3)调整solver的参数配置,通常学习速率/步长/迭代次数都要适当减少
(4)启动训练,加载与训练模型的参数文件,在caffe根目录下执行以下脚本:
- caffe 学习之 Fine-tune
- Caffe之fine tune
- caffe深度学习(一)fine-tune
- caffe fine-tune策略
- CNN训练之fine tune
- caffe— 使用模型进行fine tune
- Caffe windows 下进行(微调)fine-tune 模型
- 使用caffe fine-tune一个单标签图像分类模型
- 使用caffe fine-tune一个单标签图像分类模型
- 使用caffe fine-tune一个单标签图像分类模型
- Caffe fine-tuning 学习
- fine-tune convolutional network
- digits fine-tune方法
- tensorflow & keras fine tune
- cs231n-(9)迁移学习和Fine-tune网络
- 在caffe上做FCN模型fine-tune的一些注意事项
- caffe简易上手指南(三)—— 使用模型进行fine tune
- CNN+caffe学习1:fine-tuning
- php+jquery+ajax滚动条滚动到底部自动加载,简单实现瀑布流
- Cocoapods搜不到库的问题
- 小希的迷宫 HDU
- Kotlin入门(8)空值的判断与处理
- Jquery多选、反选、批量
- caffe 学习之 Fine-tune
- C++静态成员变量和静态成员函数的使用方法总结
- Android5.0新控件CardView的介绍和使用
- Storm单机环境部署文档
- 解决Springboot中Interceptor拦截器中依赖注入失败
- [3]java微信开发-获取access_token
- HDU 5221 树链剖分
- mysql ERROR 1045 (28000): 错误解决办法
- 【算法】 初等数论 一些总结