1

我有一个图像分类应用程序，有 6 个类，图像大小为 128x64x3。我使用 ResNet 20 模型进行训练，错误率约为 2%。然而，在同一组火车图像上的评估结果超过 20%。评估使用带有 onEvaluateAnColorImage 函数的 nuget CNTK.CPUOnly/2.0。问题是：

  1. ResNet 是否可以在 CPUOnly 模式下进行评估？该模型是在 GPU 上进行训练的。
  2. ResNet 需要平均文件吗？我看到一些具有平均文件的模型，而有些则没有。
  3. 有什么特殊原因可能导致训练和评估结果不同吗？

在此先感谢，特里

4

1 回答 1

1

使用 GPU 训练的 Resnet 应该适用于 CPUOnly 评估。如果可能，您可以使用 CNTK.GPU Nuget 包并在 GPU 设备上运行您的应用程序，以检查您是否仍然看到精度差异。如果是，请告诉我们，我们将对其进行调查。

如果您在训练期间使用平均文件，那么您也应该在评估期间减去平均值。

另一个可能导致差异的原因可能是图像预处理。培训通常使用会自动执行调整大小和通道转换的读取器，但您必须自己执行此操作以进行评估，因为不涉及读取器。您可以在此处找到图像评估示例。

谢谢，

于 2017-05-17T08:29:58.917 回答