用于训练Alexnet的参数微调，图像尺寸较小

Question

Alexnet旨在使用227x227x3图像大小。 如果我喜欢将图像尺寸训练得更小，如32x80x3，那么要调整的参数是什么。

我最初使用64x80x3图像尺寸训练，除了第一个Conv1图层中的步幅之外，所有参数都与提供的相同，它被更改为2。 我的测试精度非常高，高达0.999。然后在实际使用中，我在检测中获得了合理的高精度。

然后我更喜欢使用较小的图像尺寸32x80x3。我使用了与64x80x3图像尺寸相同的参数，但精度低至0.9671。 我尝试将Conv1图层的文件管理器大小等参数微调到5.高斯权重过滤器的标准尺寸为10倍，小100倍。但是它们都无法帮助实现训练64x80x3图像所达到的准确度。

对于较小的图像尺寸进行训练，需要对哪些参数进行微调以获得更高的精度？ 我使用了24000个数据集。 20000用于培训，4000用于测试。

对于32x80x3和64x80x3，我使用相同的图像，只是将图像尺寸编辑为32x80和64x80。

Answer 1

也许您可以训练调整mything的大小，然后使用类似的参数设置。 另外，也许你可以在https://github.com/BVLC/caffe/tree/master/examples/cifar10找到一些有用的东西。 有一些求解器和train_val文件可以在32x80x3 images to 64x80x3上进行微调，这是一个由小图像组成的数据集。