Caffe GoogleNet 分类.cpp给出随机输出

Question

我使用Caffe GoogleNet模型来训练我自己的数据（10k图像，2个类）。我在第 400000 次迭代时停止它，精度为 ~80%。

如果我运行以下命令：

./build/examples/cpp_classification/classification.bin
  models/bvlc_googlenet/deploy.prototxt  
  models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel 
  data/ilsvrc12/imagenet_mean.binaryproto
  data/ilsvrc12/synset_words.txt
  1.png

它每次都给我一个不同的 - 显然是随机的 - 结果（即，如果我运行它n次，那么我会得到n个不同的结果）。 为什么？我的训练会失败吗？它是否仍使用参考模型中的旧数据？

Answer 1

我不

认为这是训练的问题。即使训练数据不是，它也应该每次都给出相同（可能是错误的）输出。如果得到随机结果，则表示权重未正确加载。

当您针对 .prototxt 加载 .caffemodel 时，caffe 将加载 prototxt 中名称与 caffemodel 中名称匹配的所有层的权重。对于其他层，它将进行随机初始化（根据 prototxt 中的规范进行高斯 xavier 等）。

因此，您现在要做的最好的事情是检查模型是否使用您现在使用的相同 prototxt 进行训练。

我看到你正在使用GoogleNet prototxt和reference_caffenet caffemodel。这是故意的吗？

Answer 2

当您想要部署微调的模型时，您应该检查两个主要事项：

1. 输入：

• 输入图像使用 BGR 通道而不是 RGB（例如 opencv）
平均文件
• ：训练时与平均文件相同吗？

2. Prototxt：

• 微调模型时，您将更改原始 prototxt 中的某些层名称，并且您应该检查是否使用了相同的层名称？

还有一些微调技巧和CS231n_transfer_learning，这对于微调非常有用。