在 GoogLeNet 中修改 Deploy.prototxt

Question

我使用预训练的 GoogLeNet，然后在我的数据集上对其进行微调以解决二元分类问题。验证数据集似乎给出了 "loss3/top1" 98.5%。但是当我在我的评估数据集上评估性能时，它给了我 50% 的准确率。无论我做了什么更改 train_val.prototxt，我都在 deploy.prototxt 中做了相同的更改，但我不确定我应该在这些行中做哪些更改。

name: "GoogleNet"
layer {
  name: "data"
  type: "input"
  top: "data"
  input_param { shape: { dim:10 dim:3 dim:224 dim:224 } }
}

有什么建议吗？？？

Answer 1

您不需要在 deploy.prototxt* 中进一步更改任何内容，但需要更改将数据提供给网络的方式。您必须以与变换 training/validation 图像相同的方式变换评估图像。
例如，参见 classifier.py 如何通过正确初始化的 caffe.io.Transformer class.

输入图像

prototxt 中的 "Input" 层只是 caffe 根据形状为 10×3×224×224 的输入 blob 分配内存的声明。

*当然，你必须验证train_val.prototxt和deploy.prototxt完全相同（除了输入层和损失层(s)): 这包括确保层 names 相同，因为 caffe 使用层名称将 'caffemodel' 文件中的权重分配给它加载的实际参数。名称不匹配会导致 caffe 对某些层使用随机权重。

在 GoogLeNet 中修改 Deploy.prototxt

Modifying Deploy.prototxt in GoogLeNet

machine-learning

deep-learning

caffe

conv-neural-network

pycaffe