train_val.prototxt、solver.prototxt、deploy.prototxt参数的哪些部分需要根据我们自己的数据进行修改？
What parts an parameters of train_val.prototxt, solver.prototxt, and deploy.prototxt should be changed based on our own data?
我对根据我们自己的数据更改用于在 caffe 中训练 net 的参数感到困惑。
- 我们应该更关注网络的哪些层来训练网络
我们自己的数据？例如，根据数量输出的数量
类.
我尝试训练 FCN32 进行语义分割。我将 Deconvolution layer (i.e.,upscore_sign) 中的输出数量更改为数据中 类 的数量，但它给出了错误。
- 我们在不同的卷积层有不同的输出。怎么能
我检测到彼此不同的输出，我应该选择哪一个
改变？
- 下一个问题是
deploy.prototxt有什么区别
和 train_val.prototxt.
- 以及deploy.prototxt的应用是什么？我应该改变
deploy.prototxt 中的图层基于 train_val.prototxt?
非常感谢，如果有人知道，请分享您的知识。
谢谢
Which layer of the net we should pay attention
针对新任务微调模型时，标签数量可能不同，必须更改最后一层的num_output。
最后一层用作概率预测层，输出每个预测变量的概率向量：对于图像分类，网络预测每个图像的概率向量；在 FCN 中，网络输出概率向量 pre pixel。概率向量的长度 = 最后一层的标签数 = num_output。因此，您必须更改此值以适应新任务中的新标签数。
参见 。
What is the difference between 'deploy.prototxt' and 'train_val.prototxt'
此差异在 中进行了解释。
Should I change the layers in 'deploy.prototxt' based on the 'train_val.prototxt'?
是的！
我对根据我们自己的数据更改用于在 caffe 中训练 net 的参数感到困惑。
- 我们应该更关注网络的哪些层来训练网络 我们自己的数据？例如，根据数量输出的数量 类.
我尝试训练 FCN32 进行语义分割。我将 Deconvolution layer (i.e.,upscore_sign) 中的输出数量更改为数据中 类 的数量，但它给出了错误。
- 我们在不同的卷积层有不同的输出。怎么能 我检测到彼此不同的输出，我应该选择哪一个 改变？
- 下一个问题是
deploy.prototxt有什么区别 和train_val.prototxt. - 以及deploy.prototxt的应用是什么？我应该改变
deploy.prototxt中的图层基于 train_val.prototxt?
非常感谢，如果有人知道，请分享您的知识。
谢谢
Which layer of the net we should pay attention
针对新任务微调模型时，标签数量可能不同，必须更改最后一层的num_output。
最后一层用作概率预测层，输出每个预测变量的概率向量：对于图像分类，网络预测每个图像的概率向量；在 FCN 中，网络输出概率向量 pre pixel。概率向量的长度 = 最后一层的标签数 = num_output。因此，您必须更改此值以适应新任务中的新标签数。
参见
What is the difference between
'deploy.prototxt'and'train_val.prototxt'
此差异在
Should I change the layers in
'deploy.prototxt'based on the'train_val.prototxt'?
是的！