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 .