我正在尝试使用自己的数据训练网络。整个数据集由256x256 jpeg图像组成。有236个对象用于分类。训练和验证集分别具有~247K和~61K图像。我使用$CAFFE_ROOT/build/tools/convert_imageset实用程序从他们那里制作了LMDB。
只是为了开始我使用caffenet拓扑为我的模型。在训练期间，我遇到了奇怪的消息＆＃34;数据层预取队列为空＆＃34;我以前从未见过的。
此外，最初，网络具有异常的准确度（~0.00378378），并且在接下来的1000次迭代中，它达到最大值~0.01并且进一步不增加（只是波动）。
我做错了什么以及如何提高准确度？
运行时日志： http://paste.ubuntu.com/15568421/
型号： http://paste.ubuntu.com/15568426/
求解： http://paste.ubuntu.com/15568430/
P.S。我在AWS上使用了最新版本的Caffe，Ubuntu Server 14.04 LTS和g2.2xlarge实例。