主要两篇,学习Windows下的文件放置位置,Linux下的实施过程
http://blog.csdn.net/gybheroin/article/details/54095399
http://blog.csdn.net/qq_27923041/article/details/54139887
出现图片大小问题时,进行resize统一图片大小
http://blog.csdn.net/cym1990/article/details/73385537
制作txt文件问题,注意空格格式
http://blog.csdn.net/dcxhun3/article/details/51966921
///
1.start_train.bat
SET GLOG_logtostderr=1
..\..\Build\x64\Release\caffe.exe train --solver=solver.prototxt
pause
2.solver.prototxt
http://blog.csdn.net/qq_27923041/article/details/55211808
net: "train_val.prototxt" #网络文件路径
test_iter: 2 # 测试次数为2,batch_size为50,相乘得100;共100测试图片test_interval: 50 #
base_lr: 0.001 #基础学习率
lr_policy: "step" #
gamma: 0.1 #
stepsize: 100 #迭代一百次后,学习率变为0.001*0.1
display: 20 #迭代20次显示一次
max_iter: 500 #最大迭代500次鸡停止
momentum: 0.9 #权重
weight_decay: 0.005 #权重衰减
snapshot: 100 #迭代一百次,生成一个过程中的模型
snapshot_prefix: "mymodel" #
solver_mode: CPU
3.train_val.prototxt
具体使用的网络,改变文件路径和最后输出的类别个数即可。
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
小技巧
网络的配置和训练其实有一些小技巧。
- 训练过程中,正确率时高时低是很正常的现象,但是总体上是要下降的
- 观察loss值的趋势,如果迭代几次以后一直在增大,最后变成nan,那就是发散了,需要考虑减小训练速率,或者是调整其他参数
- 数据不能太少,如果太少的话很容易发散