我正在使用预先训练过的GoogLeNet，然后在我的数据集上对其进行微调，以便对11个类进行分类 . 我尝试使用不同的 base_learning rate 进行以下配置，但 accuracy 没有进一步改进 .
-
我使用预先训练的GoogLeNet模型，然后在最后10层和前3层进行微调，基本学习率为0.01，最大迭代次数为50K，但这种配置不能提供超过75％的精度 .
-
我使用了预先训练过的GoogLeNet模型，然后在最后2层进行微调，基本学习率为0.01，最大迭代次数为50K，但这种配置的准确率不高于71％ .
-
我使用预先训练过的GoogLeNet模型，然后在最后6层进行微调，基本学习率为0.001，最大迭代次数为50K，但这种配置不能提供超过85％的精度 .
任何人都可以告诉我，为了提高准确性，我可以改变哪些其他方法或参数？
1 回答
您可以使用其他优化器，例如ADADELTA，ADAM和RMSPROP . 在
solver.prototxt中，您可以通过编写此命令来设置此参数type: "RMSProp"对于RMSPROP，您可以修改here中提到的参数 .