3

net我对根据我们自己的数据更改在 caffe 中训练 a 的参数感到困惑。

  • 在我们自己的数据上训练网络我们应该更关注哪一层网络？例如，基于类数的输出数。

我尝试训练 FCN32 进行语义分割。我将输出数更改为Deconvolution layer (i.e.,upscore_sign)数据中的类数，但它给出了错误。

  • 我们在不同的卷积层有不同的输出。如何检测彼此不同的输出以及应该更改哪个输出？
  • deploy.prototxt 下一个问题是和之间有什么区别train_val.prototxt。
  • 而deploy.prototxt的应用是什么？deploy.prototxt我应该根据 train_val.prototxt更改图层吗？

如果有人知道，我真的很感激，请分享您的知识。

谢谢

4

1 回答 1

2

我们应该注意网的哪一层

在将模型微调到新任务时，可能具有不同数量的标签，必须更改num_output最后一层。
最后一层作为概率预测层，输出每个预测变量的概率向量：对于图像分类，网络预测每张图像的概率向量；在 FCN 中，网络输出概率向量pre pixel。概率向量的长度 = 标签数 =num_output最后一层。因此，您必须更改此值以适应新任务中的新标签数量。
有关更多详细信息，请参阅此帖子。

'deploy.prototxt'和有什么区别'train_val.prototxt'

这篇文章解释了这种差异。

'deploy.prototxt'我应该根据更改图层'train_val.prototxt'吗？

是的！

于 2017-01-08T06:32:21.197 回答