我正在使用alexnet来训练我自己的数据集。 caffe中的示例代码附带
bvlc_reference_caffenet.caffemodel
solver.prototxt
train_val.prototxt
deploy.prototxt
当我使用以下命令训练时：
./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt
我想从bvlc_reference.caffenet.caffemodel中给出的权重开始。
我的问题是
我该怎么做？
从这些重量开始是一个好主意吗？这会更快收敛吗？如果我的数据与Imagenet数据集有很大不同，那会不会很糟糕？
答案 0 :(得分：1)
<强> 1
要使用现有的.caffemodel权重进行微调，您需要使用--weights命令行参数：
./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt --weights=models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
<强> 2
在大多数情况下，微调网是一种非常推荐的做法，即使输入图像与＆＃34; imagenet＆＃34;完全不同。照片。
但是，您应该注意，在训练您即将使用的原始砝码时，会做出一些（非常合理的）假设。您应该决定这些假设对您的任务是否仍然适用
例如，大多数网络都使用图像及其水平翻转进行简单的数据增强训练。但是，如果您的任务是distinguish between images that are flipped，您会发现微调非常困难。