我正在寻找有关Caffe2中迁移学习的通用指南。
我正在Ubuntu 16.04上运行。通过具有GPU支持的“从源构建”方法安装了Caffe2。我的笔记本电脑具有支持cuda的GPU。
我试图建立自己的“简单” CNN模型,其层数从5到12来对树进行分类(目前为3类)。但是我得到了非常可怕的结果。因此,我决定尝试转移学习。 我试图按照本教程https://nbviewer.jupyter.org/gist/kyamagu/6cff70840c10ca374e069a3a7eb00cb4/dogs-vs-cats.ipynb进行操作。这是我能找到的最详细的指南...
但是有些行我无法弄清楚,为什么要使用某些值。
例如以下行:^[a-zA-Z].*
-为什么model.Squeeze("softmaxout", "softmax", dims=[2, 3])
参数是2和3的数组...(我想知道这些数字的含义)
当我尝试运行上述教程中的代码时(对我的代码特定于代码的部分进行了修改,除了我提到的那一行..)-可在github(dims
函数) 。它导致错误:
LoadPretrainedSqueezenetModel
因此,我想问的是,您是否了解一些关于转移学习的非常好的指南,所以对工程师而不是院士来说更可能。
预先感谢