利用VGG_FACE来对性别数据进行finetune

来源：互联网发布：dos和windows的区别编辑：程序博客网时间：2024/06/04 18:37

第一步

生成数据，习惯了lmdb，我的数据中包含训练集3000张，测试集600张，利用create.sh生成train_lmdb和val_lmdb，然后利用make_imagenet.sh生成mean文件。

第二步

网络结构文件的改写，

数据层的改写：

name: "VGG_ILSVRC_16_layers"layer {  name: "data"  type: "Data"  top: "data"  top: "label"  include {    phase: TRAIN  }  transform_param {    mirror: true    crop_size: 224    mean_file: "/home/lyz/caffe-master/models/Cele_gender/Cele_mean.binaryproto"  }  data_param {    source: "/home/lyz/caffe-master/models/Cele_gender/Cele_train_lmdb"    batch_size: 32    backend: LMDB  }}

最后一个全连接层的改写：

layer {  name: "fc8-fine"  type: "InnerProduct"  bottom: "fc7"  top: "fc8-fine"  param {    lr_mult: 10    decay_mult: 1  }  param {    lr_mult: 20    decay_mult: 0  }  inner_product_param {    num_output: 2    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 0    }  }}

其他的参考deploy.prototxt文件。

第三步网络的运行

书写solver文件，其中学习率设置为0.0001.然后运行train.sh即可。并观测运行结果。

0 0