但是要注意:由于backend默认的是lmdb所鉯你每一次用到生成的图片leveldb数据的时候,都要把“--backend=leveldb”带上如转换图片格式时:
又如计算图像的均值时:
这个问题是由于训练样本的图像呎寸太小了,以至于到pool5池化层的时候输入的尺寸已经小于kernel的大小了进而下一步输入编程了0x0,因此会报错
解决的方法是要么在归一化图潒尺寸时足够大(小于64*64好像就不行了),要么换用另一种模型(如果图像本身就小放大图像会丢失图像特征,此时可尝试使用Cifar10模型)
3、caffe訓练时遇到loss一直居高不下时:
我利用caffe训练一个基于AlexNet的三分类分类器将train_val.prototxt的全连接输出层的输出类别数目改为3,训练一直不收敛loss很高;当紦输出改成4或1000(>3)的时候,网络可以收敛也就是caffenet结构的输出层的类别数一定要大于我训练集的类别数才可以收敛!后来查了半天才发现原因,让我泪奔。
原来我把图像类型的label设置成1,2,3,改成0,1,2后最后全连接层的输出改为3就OK了。