重要重要实验总结

最新推荐文章于 2024-11-17 12:01:11 发布

不爱码字的程序鸽

最新推荐文章于 2024-11-17 12:01:11 发布

阅读量181

点赞数

文章标签：深度学习

本文链接：https://blog.csdn.net/qq_41818406/article/details/108181129

版权

一、登录服务器和Jepyter

我在234服务器：账号mcs 密码好像直接可以登陆可能也是mcs
jepter mcs mcs也有可能是mao的自己试一下然后确定一下

二、实验代码及保存的文件
3. 我最终的代码都保存在arcface-pytorch-v9中
4. 关于LFWA数据集

不保证正确，差不多是这个样，还得做实验测试一下精度，但是每一个文件都有保存，也都都对应的代码，都没有产出个改动的

2021年5月25日补充：保存在v9里的model模型其中v14.3是baseline2的代码，其中只要稍微改一些结构就变成了basline1的代码。再者，在v10中，有一个group_model.baseline.py的代码，可以转换为baseline1和baseline2的代码，通过加载V9中的权重可以跑通，已经测试过了。
LFWA和Celeba两个数据集使用相同的代码，但是记得预训练权重要修改，celeba数据集不需要预训练权重。

2021年5月21日
重新在celebA数据及上做了实验，目的是吧最后的精度调上来。做实验的目录是v10.所用的数据是两倍的原始数据/VideoRecognition/360/code/FaceAttribute-FAN/data/CelebA/list/train_val_all.txt，用了很多数据增强在这里插入图片描述

batchsize=60。测试就是用原始的测试数据集：VideoRecognition/360/code/FaceAttribute-FAN/data/CelebA/list/test_full.txt。最终的权重以及tensorboard logdir保存在：/data1/mcs/arcface-v10/checkpoints/finetune.vceleb_all和/data1/mcs/arcface-v10/events/finetune.vceleb_all中。最好的权重为187.pth。

5月25日：修改，之前的测试代码有问题，拉姆达2的权重是0.7忘记改了，改成0.1就是最新的结果，所以最终不是91.50是91.54

在这里插入图片描述
2021.5.25
继续重新做了实验：
训练数据是所有数据，测试数据是原始数据：

然后并没有用很多数据增强，就用原始的数据增强

保存的权重文件名称是：vceleb_all_noaug,最好的权重为59.batchsize为40