caffe训练模型后，使用模型测试的分类结果全部都是相同的

最新推荐文章于 2023-03-30 11:34:41 发布
最新推荐文章于 2023-03-30 11:34:41 发布
阅读量6.5k 收藏 3
点赞数 1
分类专栏： caffe 文章标签： caffe会遇到的错误
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/itsophia/article/details/77962794
版权

从训练的输出可以看出，accuracy非常低，loss一直不收敛，所以使用这个训练出来的模型的分类结果都一样，因为训练过程中，机器根本没有学到东西~~

两种原因：

1、网络结构参数不对或者缺少   2、数据量太少

我使用了相同的网络去训练不同量的数据，10000+数据迭代10000次的效果好了很多，5000的数据量迭代4000次就没学到东西~

ITSophia
关注
专栏目录
用caffe训练测试自己的图片
苏的专栏
08-26 9669
所有的操作是基于caffe的根目录/caffe-master/来操作的：数据准备我所用的图片是车牌识别中，0～9数字图片，在data下面新建一个number目录，用来存放训练图片（caffenumimg_train）与测试图片（caffenumimg_test)，0～9分别有200张左右的训练图片和50张左右的测试图片转换成lmdb格式文件首先，在data/number/目录编写一个脚本create
预训练的图像分类模型_使用预训练模型进行图像分类
cunzai1985的博客
09-22 2460
预训练的图像分类模型 使用预训练模型进行图像分类 (Image Classification Using Pre-Trained Model) Advertisements 广告 Previous Page 上一页 Next Page 下一页 In this lesson, you will learn to use a pre-trained model to...
深度学习模型训练完之后预测的数据差不多(模型预测输出数据一样)(训练结果一样)
小姑仔的博客
12-14 1万+
模型训练之后预测的数据内容差不多，第一种可能性是你模型有问题，这种先不谈 第二种可能性是某一种数据的分布过多造成数据分布不均匀，比如你的数据集之中特别多的类别0，1，2，3，此时如果数据集中某一类别数量特别多，比如类别0特别多，这种分布不均匀的现象就有可能导致最后预测出来的结果都差不多。 ...
caffemodel做分类所有类别得分一样的解决办法
wo4691205的博客
04-19 1328
caffemodel做分类所有类别得分一样的解决办法最近使用MATLAB调用caffemodel做分类时，遇到一个问题，不管用哪一张图片做测试，得到的分类结果是一样的，每一类的得分也是一样的，都是1/n.另外，caffe训练时若加入accuracy层，会报错check failed：label_value < num_values.在这个问题上卡了好几天，终于找到解决办法：将标签文件的标签从1，2…
Caffe测试集分类结果相同，全部为最后一类
GL3_24的博客
12-13 1881
现象说明 目标：二分类，训练过程中验证集准确率比较高。训练完成之后对测试集进行测试，测试结果中的类别全部为1(最后一类)。 Caffe测试集分类结果相同，全部为最后一类 原因及解决方案 原因：没有对网络的第一个卷积层进行初始化。下图是原来网络第一个卷积层的参数。 解决方案：将第一个卷积层权重初始化为“xavier”，偏置初始化为常量0。 ...
caffe分类输出概率都一样！怎么办！
MrKawuyi的博客
05-27 3381
最近，由于工作的需要，要使用Caffe做深度学习分类。从安装，到调试，再到走通真是好费周折。好不容易能够做分类了，结果不论输入什么图片，输出的各个类别的概率都是一样的。刚开始，我以为是输入到网络里的数据在哪里出问题了，于是将这些数据转换成图片,果不其然。原来，我在使用多通道的时候用了GDAL读取数据，在重新组织数据的时候参考了网上的一篇微博，读出的数据居然是有问题的。好郁闷！于是我又自己重新写了相...
神经网络训练出来的模型输出的结果都是相同的值
热门推荐
qq_43323545的博客
09-30 2万+
作为一个pytorch的初学者，开始进行实战时，会遇到很多问题。 在进行学习时，你一定对learnig rate这个概念有很深的影响，但我在刚开始进行练习时总是忘了这个概念，直到这次在一个训练了很久的模型在验证集上的却总是输出同一个数，我不知道哪里出错了，刚开始觉得是神经网络组建的有问题，换了种常规的形式在训练了若干次之后又只输出一个定值了。我便进入了漫长的debug，发现了loss在呈周期性变化，过了一段时间，想起来lr设置过大便可能会造成这种结果，所以调小了lr，并减少了训练次数（我觉得也有过拟合的嫌疑
使用caffe训练一个多标签分类/回归模型
无空ty的博客
11-29 5922
前言这篇博客和上一篇性质差不多，都是旨在说明使用caffe训练图像分类模型的大概流程。不同的是，上篇博客讲的单标签图像分类问题，顾名思义，其输入和输出都是单标签或者可以说是单类别的，而此篇则把重点放在如何处理多标签分类/回归问题的输入和输出上。多标签分类/回归问题和单标签的工作流程比较类似，大致分为以下几个步骤，然后本博客再对各个环节做进一步解释。 准备数据（图像整理好放到合适的文件夹中，对应的gr
Caffe简明教程5：训练你的第一个Caffe模型-MNIST分类器
请叫我AXin
02-07 5121
您可以查看所有文章的索引：Caffe简明教程0：文章列表 如果你已经根据前面几篇文章成功地编译了Caffe，那么现在是时候训练你的第一个模型了。我准备借用Caffe官网的LeNet例子来写这篇文章，您也可以访问原始的文档：Training LeNet on MNIST with Caffe Caffe在编译完成之后，在caffe根目录下有个examples文件夹，里面包含了很多Caf
Python-PyTorch到Caffe的模型转换工具
08-11
5. 验证转换结果：转换后的模型应与原始PyTorch模型具有相同的预测性能。可以通过一小部分测试数据来验证两个模型的输出是否一致。 在实际应用中，这个转换过程可能会遇到一些挑战，如不同框架之间的运算符不完全...
Caffe学习笔记（一）：Caffe架构及其模型解析
成长Bar的博客专栏
12-17 1万+
Caffe学习（一）：Caffe架构及其模型解析         写在前面：关于caffe平台如何快速搭建以及如何在caffe上进行训练与预测，请参见前面的文章《caffe平台快速搭建：caffe+window7+vs2013》、《Windows平台上Caffe的训练与学习方法（以数据库CIFAR-10为例）》。         本文主要介绍Caffe的总体框架，并对caffe
keras加载已经训练好的模型文件，进行预测时却发现预测结果几乎为同一类（本人预测时几乎均为为第0类）**
qq_33464569的博客
11-04 8001
在进行keras训练时候，使用了keras内置的数据读取方式，但是在进行预测时候，使用了自定义的数据读取方式，本人为图片读取。：本文意在说明 对训练数据和预测数据的读取、预处理方式上应该在某种程度上保持一致，从而避免训练结果和真实预测结果相差过大的情况。注：本文章为原创，欢迎转载，转载请注明出处。
图像分类模型输出全是一样的？
weixin_35750483的博客
01-12 231
不同的图像分类模型对同一张图片的输出可能不同。因为不同的模型具有不同的结构、训练数据和参数。即使使用相同的图像数据集进行训练，也可能出现不同的结果。 ...
Pytorch 多分类结果测试
洪流之源
08-07 5024
在模型训练过程中需要对当前的效果进行验证，或者训练结束后需要在测试集上对模型进行测试。比如多分类问题，网络的前向传播的结果是一个概率值Tensor，如果是一个10分类问题，并且batch=4,结果是一个4*10的Tensor，Tensor的每一行表示某张图片分别在10分类下的预测概率值。 Pytorch中的argmax()函数可以返回Tensor中每一行最大值的索引，torch.eq()函数可以...
ML特征工程和优化方法（2万+字总结...持续补充中）
Carroll的博客
02-26 4445
1. 特征工程有哪些？ 特征工程，顾名思义，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。从本质上来讲，特征工程是一个表示和展现数 据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。 主要讨论以下两种常用的数据类型。 结构化数据。结构化数据类型可以看作关系型数据库的一张表，每列都 有清晰的定义，包...
Matlab BP神经网络训练的心得TIPS——关于为什么一样的训练集输入测试集，结果却不一样——手把手教你从神经网络工具箱到自定义网络（适用多输入多输出）
最新发布
weixin_44276743的博客
03-30 2544
如果是新手自己搭建，特别是利用matlab的神经网络工具箱-导出脚本这种方式想自己上改动时，经常会面临一个问题——我在哪改权重和阈值？？？？
解决pytorch 二分类数据集全部预测到了同一类
qq_42552025的博客
07-26 8138
解决二分类数据集被预测到了同一类
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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