1

我正在使用Caffe框架来构建和研究卷积神经网络。

我偶然发现（我相信是）一个错误。（我已经在Github上报告过了。）

这就是问题所在：在测试阶段，标签值会根据test_iter参数的值（在求解器.prototxt文件中定义）而改变。

我正在使用 10240 张图像来训练和测试网络。每个图像有 38 个标签，每个标签可以有两个（0 或 1）值。我正在使用 HDF5 文件格式将图像数据和标签导入 Caffe；每个文件存储 1024 张图像及其各自的标签。（我检查了 HDF5 文件，那里的一切都是正确的。）

我使用 9216（= 9 个文件）图像进行训练，使用 1024（= 1 个文件）进行测试。我的 Nvidia 540M 显卡只有 1GB 内存，这意味着我必须批量处理（通常每批 32 或 64 张图像）。

我正在使用以下网络来复制问题：

# in file "BugTest.prototxt"
name: "BugTest"
layer {
    name: "data"
    type: "HDF5Data"
    top: "data"
    top: "label"
    hdf5_data_param {
        source: "./convset_hdf5_train.txt"
        batch_size: 32
    }
    include {
        phase: TRAIN
    }
}
layer {
    name: "data"
    type: "HDF5Data"
    top: "data"
    top: "label"
    hdf5_data_param {
        source: "./convset_hdf5_test.txt"
        batch_size: 32
    }
    include {
        phase: TEST
    }
}
layer {
    name: "silence"
    type: "Silence"
    bottom: "data"
}

该网络仅输出所有标签值。我正在为此网络使用以下求解器：（主要从我的真实网络复制。）

# In file "BugTest_solver.prototxt"
net: "BugTest.prototxt"
test_iter: 32
test_interval: 200
base_lr: 0.0001
momentum: 0.90
weight_decay: 0.0005
lr_policy: "inv"
gamma: 0.0001
power: 0.75
display: 100
max_iter: 10000
snapshot: 5000
snapshot_prefix: "./bt"
solver_mode: GPU

batch_size通过改变和test_iter参数获得以下结果。根据本教程，batch_size测试数据和test_iter求解器中的数据应该平衡，以确保在测试期间使用所有测试样本。就我而言，我会确保batch_size * test_iter = 1024.

这些是我更改值时的结果
batch_size = 1024, test_iter = 1：：一切都很好。
batch_size = 512, test_iter = 2：“1”的标签更改为“0.50”。
batch_size = 256, test_iter = 4：“1”的标签更改为“0.50”或“0.25”
batch_size = 128, test_iter = 8：“1”的标签更改为“0.50”或“0.25”或“0.125”
[...]:模式继续。

发生了什么会在测试期间影响标签的值？我只是解释了使用batch_size和test_iter错误，还是我错过了其他东西？

4

1 回答 1

1

输出日志中显示的结果是迭代的平均值，因此如果您有 2 个迭代标签，那么其中一个标签的平均值为 0.5。

因此，如果批量大小为 1024，则显示 1024 个输出，一切正常。当批量大小为 512 时，您只显示 512 个输出，每个输出是两个标签的平均值i，即-th 和i+512-th 标签，大多数情况下标签不会在里面。

为了验证这一点，您可以安排您的测试数据，使标签 1 放置在均匀的位置，因此在更改 batch_size 时，标签 1 仍然一致，您应该得到准确的 1 用于输出。

于 2015-05-29T09:03:45.257 回答