Caffe微调

1.微调原因

数据不够，容易过拟。也可以是需要添加新数据源。

2.如何微调：

1. 修改train_val.prototxt文件(网络文件)，solver.prototxt(训练文件)
2. cmd中运行caffe % ./build/tools/caffe train -solver models/finetune_flickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel -gpu 0

3.以GoogLeNet为例

1.下载GoogLeNet的caffemodel，地址：GoogLeNet，请自行下载。如果想用其他的Model，去Model Zoo里自行下载。
2.修改train_val。必须要改的是net的地址以及base_lr，其他都随意。base_lr我把他改成了0.0005.
3.修改train_val.prototxt。
(1)改source
(2)FC层(type: “InnerProduct”)的name，以及将num_output,改成你需要的类别数量，(因为这层的结构有变化，修改名字等于权值全部重置)，同时将此层的lr_mult，增加10倍(不增加也行，增加了快点)。
4.修改deploy.prototxt
测试的时候网络每层的名字要一样，因为上面我们改了train_val.prototxt中FC层的名字及输出个数，这里的全都要改。
5.caffe train -solver $root/solver.prototxt -weights $root/bvlc_googlenet.caffemodel -gpu 0
坐等微调结束。

3.1可能出现的问题

1. loss:87.3365。
   降低train_val的base_lr。
2. loss不下降停在一个loss。
   可能原因(1)迭代次数不够。(2)base_lr过大，降低base_lr即可。
3. 训练模型loss下降的很好，Val中测试精度也很高，但是用图片分类时，结果不行。
   depoly最后一层fc名字要和train_val中你改的最后一层名字一样