0

我想在 CIFAR-100 上从头开始训练 MobileNetV2，我得到以下结果，它在一段时间后停止学习。

在此处输入图像描述

这是我的代码。我希望看到至少 60-70% 的验证准确率，我想知道我是否必须在 imagenet 上对其进行预训练，还是因为 CIFAR100 只有 32x32x3？由于一些限制，我使用 Keras 2.2.4 和 tensorflow 1.12.0。

from keras.applications.mobilenet_v2 import MobileNetV2
[..]

(x_train, y_train), (x_test, y_test) = cifar100.load_data()
x_train = x_train / 255
x_test = x_test / 255
y_train = np_utils.to_categorical(y_train, 100)
y_test = np_utils.to_categorical(y_test, 100)

input_tensor = Input(shape=(32,32,3))
x = MobileNetV2(include_top=False,
                  weights=None,
                  classes=100)(input_tensor)
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
x = Dense(512, activation='relu')(x)
preds = Dense(100, activation='softmax')(x)
model = Model(inputs=[input_tensor], outputs=[preds])

optimizer = Adam(lr=1e-3)
model.compile(loss="categorical_crossentropy",
                           optimizer=optimizer,
                           metrics=['accuracy'])

epochs = 300
batch_size = 64

callbacks = [ReduceLROnPlateau(monitor='val_loss', factor=np.sqrt(0.1), cooldown=0, patience=10, min_lr=1e-6)]
generator = ImageDataGenerator(rotation_range=15,
                                   width_shift_range=5. / 32,
                                   height_shift_range=5. / 32,
                                   horizontal_flip=True)
generator.fit(x_train)
model.fit_generator(generator.flow(x_train, y_train),
                             validation_data=(x_test, y_test),
                             steps_per_epoch=(len(x_train) // batch_size),
                             epochs=epochs, verbose=1,
                             callbacks=callbacks)
4

1 回答 1

2

好吧，MobileNets所有其他基于 imagenet 的模型都会对图像进行 5 次（224 -> 7）的下采样，然后GlobalAveragePooling2D再进行输出层。

我认为直接在这些模型上使用 32*32 图像不会给你一个好的结果，因为张量形状甚至在GlobalAveragePooling2D.

也许您应该尝试将图像调整为96*96或删除第一个stride=2. 以NASNet 论文为参考，他们在 Cifar 和 ImageNet 版本中都使用了 4 个池，而stride=2在第一个卷积层中只有 ImageNet 版本。

于 2019-10-23T16:42:38.763 回答