딥 러 닝 기반 이미지 매 칭 기술 테마 - [Patch - Based Matching 2] - matchnet - Trianing in Caffe frame
1. 서버 와 로 컬 전송 데이터 scp - r../.. username@ip: ../..
2. ssh 로그 인 명령
데이터 에서 데 이 터 를 다운로드 한 후, 실행 자가 이미 작성 한 SHELL:
./run_gen_data.sh
실행 할 때 몇 가지 오 류 를 보고 합 니 다. 이미 선배 (matchnet 설정 과 실행) 가 있 습 니 다. 해결 방안 을 준비 해 두 었 으 니 도움 이 될 것 입 니 다.
사실 데이터 세트 를 만 들 때 그 중 한두 개 만 있 으 면 잘못 보고 할 수 있다.
그래서 네가 쓰 지 않 는 문 구 를 주석 해 버 리 면 이 문 제 를 해결 할 수 있다.
————————————————————————————————————————
논문 은 훈련 된 모델 을 제공 합 니 다. 데이터 세트 가 만들어 진 후에 이 모델 을 실행 할 수 있 습 니 다. 정확 한 확률 이 얼마 인지 보 세 요. 지금 우 리 는 자신의 모델 을 어떻게 훈련 해 야 합 니까?
mnist 로 Lenet 모델 을 훈련 시 키 는 예 는 3 단계 로 나 뉜 다. 1. 데이터 다운로드, 2. 데이터 세트 만 들 기, 3. 훈련 모델
훈련 셸 에서 호출:
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt $@
이 를 통 해 알 수 있 듯 이 lenet solver. prototxt 파일 인 네트워크 구 해 파일 입 니 다. 이 파일 은 주로 구 해 네트워크, 경사도 하강 파라미터, 교체 횟수 등 매개 변 수 를 포함 하고 있 습 니 다. 손 으로 쓴 글꼴 의 solver. prototxt 파일 을 보 세 요.
이 파일 에서 우 리 는 교체 횟수, 테스트 간격, 학습 율 등 을 볼 수 있다.
# The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt" //
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100 //test batch_size =100, 100 , 100 , 10000
# Carry out testing every 500 training iterations.
test_interval: 500 // 500 ,
# The base learning rate, momentum and the weight decay of the network. // : , ,
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy // :
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations // 100
display: 100
# The maximum number of iterations //
max_iter: 10000
# snapshot intermediate results // 5000 , examples/mnist/lenet
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
————————————————————————————————————————————————————
mnist 구조 에 대한 분석 을 통 해 우 리 는 글 쓴 이 가 데 이 터 를 만 드 는 코드 와 matchNet. py 파일 만 제공 하고 네트워크 구조 파일 과 네트워크 매개 변수 설정 파일 을 발표 하지 않 았 다 는 것 을 알 게 되 었 습 니 다. 좋 습 니 다. 자신 에 게 만 의지 할 수 있 습 니 다.
이렇게 많은 말 을 했 지만 자신의 모델 을 훈련 시 키 지 못 했 습 니 다. 그러나 이 화 제 는 끝나 지 않 았 습 니 다. 제 가 최근 에 완성 해 야 할 일 입 니 다. follow 를 환영 합 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Faster R-CNN 코드의 anchors 분석anchors는 proposal을 생성하는 rpn의 중점 내용 중 하나로서 Faster R-CNN에서 중점적으로 소개되었다. 다음은 anchors가 생성하는 부분 코드를 배워보자.나는 주로 그 중의 일부 중점 코드를...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.