关于solver文件中test_iter和test_interval设置问题

solver.prototxt文件

et: "models/bvlc_reference_caffenet/train_val.prototxt"  
test_iter: 100  
test_interval: 1000  
base_lr: 0.01  
lr_policy: "step"  
gamma: 0.1  
stepsize: 100000  
display: 20  
max_iter: 450000  
momentum: 0.9  
weight_decay: 0.0005  
snapshot: 10000  
snapshot_prefix: "models/bvlc_reference_caffenet/caffenet_train"  
solver_mode: GPU  
在caffe中的一次迭代iterration指的是一个batch,而不是一张图片。

test_iter: 

在测试的时候,需要迭代的次数,即test_iter* batchsize(TEST阶段)=测试集的大小,TEST阶段batchsize可以在prototx文件里设置,如下:

    layer {  
      name: "data"  
      type: "Data"  
      top: "data"  
      top: "label"  
      include {  
        phase: TEST  
      }  
      transform_param {  
        mirror: false  
        crop_size: 227  
        mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"  
      }  
      data_param {  
        source: "examples/imagenet/ilsvrc12_val_lmdb"  
        batch_size: 50  ##这里  
        backend: LMDB  
      }  
    }  

test_interval:

interval是区间的意思,该参数表示:训练的时候,每迭代1000次(上面设置的是1000)就进行一次测试。

caffe在训练的过程是边训练边测试的。训练过程中每1000次迭代(也就是32000个训练样本参与了计算,TRAIN阶段batchsize为32),计算一次测试误差。计算一次测试误差就需要包含所有的测试图片,这样可以认为在一个epoch里,训练集中的所有样本都遍历一遍,但测试集的所有样本至少要遍历一次,至于具体要多少次,也许不是整数次,这就要看代码,大致了解下这个过程就可以了。


  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据提供的引用内容,可以看出Solver(train_loader, test_loader, config)是一个函数调用。具体来说,它是在训练和测试PVA Faster R-CNN模型时使用的。在引用\[1\],train_net.py文件的train函数被调用,并传入了cfg、local_rank和distributed等参数。在train函数,make_data_loader函数被调用,返回一个data_loader对象,用于加载训练数据。然后,do_train函数被调用,传入了model、data_loader、optimizer、scheduler、checkpointer等参数,用于执行训练过程。最后,训练完成后,返回训练好的model。引用\[2\]和引用\[3\]提供了具体的训练和测试命令示例,可以参考这些示例来使用Solver函数进行训练和测试。 #### 引用[.reference_title] - *1* [maskrcnn_benchmark源码解析——dataloader篇(上)](https://blog.csdn.net/lt1103725556/article/details/115406360)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Faster RCNN代码理解(Python) ---训练过程](https://blog.csdn.net/a8039974/article/details/76576202)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值