作业记录 WEEK3

本文档记录了使用完整数据集训练FaceBagnet,对比SE-Resnet和Resnet18的训练效果,通过周期性余弦退火方法优化学习率。详细过程包括数据集准备、文件修改、训练参数调整,以及训练结果的分析,展示了SE-Resnet显著优于Resnet18的ACER指标。
摘要由CSDN通过智能技术生成

目标

  • 1. 使用完整的数据集训练facebagnet.对比resnet18 和 SEResnet的效果,给出acer的对比结果。
  • 2. 使用周期余弦退火方法训练,并测试。

具体流程

1. 数据集准备

    [网盘地址](https://pan.baidu.com/s/1-RDeHj0Z9bAVQzX1xrNU8Q)
	提取码:ay1y
	CASIA-SURF数据集,包括了录制的视频、train、test、valid及其相应的标签。

phase1文件夹下是train和valid,phase2文件夹下是test。

2. 找到包含文件地址的txt

需要训练用的train_list.txt, 验证用的val_private_list.txt, 以及测试用的test_public_list.txt;
根据readme文件得知,val_public_list.txt中是不含有label信息的,所以要使用val_private_list.txt。

3. 修改文件

修改data_helper.py中关于数据地址的变量:DATA_ROOT,TRN_IMGS_DIR,TST_IMGS_DIR等。

# 修改data_helper.py中关于数据地址的变量:DATA_ROOT,TRN_IMGS_DIR,TST_IMGS_DIR等。
DATA_ROOT = "../../../../dataset"
TRN_IMGS_DIR = DATA_ROOT + '/Training/'
TST_IMGS_DIR = DATA_ROOT + '/Val/'</
评论 2
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