使用bvlc_googlenet作为数字中的预训练模型 - 错误

Question

digits 4.0 0.14.0-rc.3 /Ubuntu (aws)

训练5级GoogLenet模型，每个班级有大约800个训练样本。我试图使用bvlc_imagent作为预先训练的模型。这些是我采取的步骤：

1. 从http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel下载了imagenet并将其放在/ home / ubuntu / models

2。

一个。粘贴＆＃34; train_val.prototxt＆＃34;从此处https://github.com/BVLC/caffe/blob/master/models/bvlc_reference_caffenet/train_val.prototxt进入自定义网络标签和

湾＆＃39;＃＆＃39;评论了＆＃34;来源＆＃34;和＆＃34;后端＆＃34;线（因为它抱怨他们）

1. 在预先训练过的模型中，文本框粘贴了“.caffemodel＆＃39;”的路径。就我而言：＆＃34; /home/ubuntu/models/bvlc_googlenet.caffemodel"

我收到此错误：

ERROR: Cannot copy param 0 weights from layer 'loss1/classifier'; shape mismatch. Source param shape is 1 1 1000 1024 (1024000); target param shape is 6 1024 (6144). To learn this layer's parameters from scratch rather than copying from a saved net, rename the layer.

我已经从github问题等粘贴了各种train_val.prototext，遗憾的是没有运气，

我不确定为什么这会变得如此复杂，在旧版本的数字中，我们可以只输入文件夹的路径，它非常适合转移学习。

有人可以帮忙吗？

Answer 1

将图层从“loss1 / classifier”重命名为“loss1 / classifier_retrain”。

当微调模型时，这就是Caffe的作用：

# pseudo-code
for layer in new_model:
  if layer.name in old_model:
    new_model.layer.weights = old_model.layer.weights

您收到错误，因为“loss1 / classifier”的权重是针对1000级分类问题（1000x1024），并且您尝试将它们复制到一个6级分类问题的层中（6x1024） ）。重命名图层时，Caffe不会尝试复制该图层的权重，而是随机初始化权重 - 这就是您想要的。

另外，我建议你使用这个网络描述，它已经被设置为GoogLeNet的一体化网络描述。它会为你省去一些麻烦。