caffe - train_val.prototxt、solver.prototxt、deploy.prototxt的哪些部分参数要根据我们自己的数据修改？

Question

我对根据我们自己的数据更改用于在 caffe 中训练 net 的参数感到困惑。

• 我们应该更多地关注网络的哪些层来训练网络我们自己的数据？例如，根据数量输出的数量类。

我尝试训练 FCN32 进行语义分割。我将 Deconvolution 层(即 upscore_sign) 中的输出数量更改为我的数据中的类别数量，但它给出了一个错误。

• 我们在不同的卷积层中有不同的输出。怎么能我检测到彼此不同的输出，我应该选择哪一个改变？
• 下一个问题是deploy.prototxt有什么区别和 train_val.prototxt。
• deploy.prototxt 的应用是什么？我应该改变deploy.prototxt 中的层基于 train_val.prototxt?

如果有人知道，我非常感谢，请分享您的知识。

谢谢

Answer 1

Which layer of the net we should pay attention

当针对新任务微调模型时，标签数量可能不同，必须更改最后一层的num_output。
最后一层用作概率预测层，输出每个预测变量的概率向量:对于图像分类，网络预测每个图像的概率向量；在 FCN 中，网络输出概率向量 pre pixel。概率向量的长度 = 标签数 = 最后一层的 num_output。因此，您必须更改此值以适应新任务中的新标签数量。
参见 this post for more details .

What is the difference between 'deploy.prototxt' and 'train_val.prototxt'

此差异在 this post 中进行了解释.

Should I change the layers in 'deploy.prototxt' based on the 'train_val.prototxt'?

是的!