Question

我目前正在使用CaffeNet C ++图像分类示例。默认情况下，此示例使用float。这是我得到的结果：

--cat--
Classification time: 0.8267 seconds
0.3134 - "n02123045 tabby, tabby cat"
0.2380 - "n02123159 tiger cat"
0.1235 - "n02124075 Egyptian cat"
0.1003 - "n02119022 red fox, Vulpes vulpes"
0.0715 - "n02127052 lynx, catamount"

--dog--
Classification time: 0.8259 seconds
0.4228 - "n02106662 German shepherd, German shepherd dog, German police dog, alsatian"
0.1344 - "n02109961 Eskimo dog, husky"
0.0914 - "n02091467 Norwegian elkhound, elkhound"
0.0642 - "n02110063 malamute, malemute, Alaskan malamute"
0.0532 - "n02110185 Siberian husky"

将每个float更改为classification.cpp中的两倍之后。我希望可以通过更长的计算时间获得类似的精度。但是，我确实获得了更长的计算时间，但是由于精度看起来不正确，因此似乎网络不再起作用。

--cat--
Classification time: 1.0368 seconds
0.0015 - "n04435653 tile roof"
0.0015 - "n04209239 shower curtain"
0.0014 - "n03530642 honeycomb"
0.0014 - "n03729826 matchstick"
0.0014 - "n04033901 quill, quill pen"

--dog--
Classification time: 1.0506 seconds
0.0015 - "n04435653 tile roof"
0.0015 - "n04209239 shower curtain"
0.0014 - "n03530642 honeycomb"
0.0014 - "n03729826 matchstick"
0.0014 - "n04033901 quill, quill pen"

我想知道Caffe框架是否完全支持不同的数据类型精度？那是因为网络是通过使用float进行训练的，所以它无法与其他数据类型的精度一起使用？

谢谢。

Answer 1

您在本教程中使用的均值文件和训练有素的参数存储在单个精度值中。在程序中将float更改为double不会更改存储的值，因此尝试在读取“垃圾”时将存储的单精度值读取为双精度结果。您必须手动将文件转换为双精度值

机器学习框架caffe是否支持不同的数据类型精度？

1 个答案: