机器学习框架caffe是否支持不同数据类型精度？

Question

我目前正在玩 CaffeNet C++ 图像分类示例。默认情况下，此示例使用 float。这是我得到的结果：

--cat--
Classification time: 0.8267 seconds
0.3134 - "n02123045 tabby, tabby cat"
0.2380 - "n02123159 tiger cat"
0.1235 - "n02124075 Egyptian cat"
0.1003 - "n02119022 red fox, Vulpes vulpes"
0.0715 - "n02127052 lynx, catamount"

--dog--
Classification time: 0.8259 seconds
0.4228 - "n02106662 German shepherd, German shepherd dog, German police dog, alsatian"
0.1344 - "n02109961 Eskimo dog, husky"
0.0914 - "n02091467 Norwegian elkhound, elkhound"
0.0642 - "n02110063 malamute, malemute, Alaskan malamute"
0.0532 - "n02110185 Siberian husky"

在我将 classification.cpp 中的每个浮点数更改为双倍之后。我希望我能用更长的计算时间获得类似的精度。然而，我确实得到了更长的计算时间，但似乎网络不再工作，因为准确性看起来不正确。

--cat--
Classification time: 1.0368 seconds
0.0015 - "n04435653 tile roof"
0.0015 - "n04209239 shower curtain"
0.0014 - "n03530642 honeycomb"
0.0014 - "n03729826 matchstick"
0.0014 - "n04033901 quill, quill pen"

--dog--
Classification time: 1.0506 seconds
0.0015 - "n04435653 tile roof"
0.0015 - "n04209239 shower curtain"
0.0014 - "n03530642 honeycomb"
0.0014 - "n03729826 matchstick"
0.0014 - "n04033901 quill, quill pen"

我想知道 Caffe 框架是否完全支持不同的数据类型精度？是不是因为网络是用浮点数训练的，所以它不能用其他数据类型的精度？

谢谢。

Answer 1

您在教程中使用的均值文件和训练参数以单精度值存储。在程序中将 float 更改为 double 不会更改存储的值，因此在读取 "garbage" 时尝试将存储的单精度值读取为双精度结果。您必须手动将文件转换为双精度值

机器学习框架caffe是否支持不同数据类型精度？

Does machine learning framework caffe support different data type precisions?

machine-learning

image-processing

computer-vision

deep-learning

caffe