目前我正在关注caffe imagenet 示例，但将其应用于我自己的训练数据集。我的数据集大约有 2000 个类，每个类大约 10 ~ 50 张图像。实际上我是在对车辆图像进行分类并且图像被裁剪到前面，所以每个类中的图像具有相同的大小，相同的视角（几乎）。
我已经尝试过 imagenet 架构，但看起来效果不佳，经过大约 3000 次迭代后，精度降至 0。所以我想知道是否有关于如何调整架构的实用指南？
问问题
627 次
1 回答
2
您可以删除 imagenet 中的最后一层，使用不同的名称添加您自己的最后一层（以适应类的数量），使用更高的学习率指定它，并指定较低的整体学习率。这里确实存在一个官方示例：http: //caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.html
但是，如果准确度为 0，则应先检查模型参数，可能是溢出
于 2015-03-24T01:02:59.893 回答