应该根据我们自己的数据更改train_val.prototxt，solver.prototxt和deploy.prototxt的参数的哪些部分？

Question

根据我们自己的数据，我很难改变在caffe中训练net的参数。

• 我们应该多关注哪一层网来训练网 我们自己的数据？例如，基于数量的输出数量 班级。

我尝试训练FCN32进行语义分割。我将Deconvolution layer (i.e.,upscore_sign)中的输出数量更改为数据中的类数，但是它给出了错误。

• 我们在不同的卷积层中有不同的输出。怎么能 我检测到彼此不同的输出，我应该检测哪一个 改变？
• 下一个问题是deploy.prototxt之间的区别是什么 和train_val.prototxt。
• deploy.prototxt的应用是什么？我应该改变吗？ deploy.prototxt中的图层基于train_val.prototxt？

如果有人知道，我真的很感激，请分享你的知识。

谢谢

Answer 1

  

我们应该注意哪一层网

将模型微调到新任务时，标签数量可能不同，一个必须更改最后一层的num_output。
最后一层用作概率预测层，输出每个预测变量的概率矢量：对于图像分类，网络预测每个图像的概率矢量;在FCN中，网络输出概率向量前像素。概率向量的长度=标签的数量=最后一层的num_output。因此，您必须更改此值以适应新任务中新标签的数量 请参阅this post for more details。

  

'deploy.prototxt'和'train_val.prototxt'

之间有何区别？

this post解释了这种差异。

  

我应该根据'deploy.prototxt'更改'train_val.prototxt'中的图层吗？

是！