machine-learning - 修改GoogLeNet中的Deploy.prototxt

Question

我使用了预训练的 GoogLeNet，然后在我的数据集上对其进行微调以解决二元分类问题。验证数据集似乎给出了 "loss3/top1" 98.5%。但当我在评估数据集上评估性能时，它的准确度为 50%。无论我对train_val.prototxt做了什么更改，我在deploy.prototxt中做了相同的更改，我不确定我应该在这些行中进行哪些更改。

name: "GoogleNet"
layer {
  name: "data"
  type: "input"
  top: "data"
  input_param { shape: { dim:10 dim:3 dim:224 dim:224 } }
}

有什么建议吗？？？

Answer 1

您不需要在 deploy.prototxt* 中进一步更改任何内容，但需要更改将数据馈送到网络的方式。您必须以与转换训练/验证图像相同的方式转换评估图像。
例如，参见classifier.py将输入图像放入正确初始化的 caffe.io.Transformer 类中。

prototxt 中的 "Input" 层仅仅是 caffe 根据形状 10×3×224×224 的输入 blob 分配内存的声明。

<小时/>

* 当然，您必须验证 train_val.prototxt 和 deploy.prototxt 是否完全相同(除了输入层( s)和损失层):包括确保层名称相同，因为caffe使用层名称将“caffemodel”文件中的权重分配给它加载的实际参数。名称不匹配将导致 caffe 对某些层使用随机权重。