在 caffe 上使用 VGG 进行微调

【问题标题】：fine-tuning with VGG on caffe在 caffe 上使用 VGG 进行微调
【发布时间】：2015-12-19 10:36:23
【问题描述】：

只需将模型参数替换为以下就足够了吗？

./build/tools/caffe train -solver models/finetune_flickr_style/solver.prototxt -weights VGG_ISLVRC_16_layers.caffemodel -gpu 0

或者我是否需要调整学习率、迭代次数，即它是否带有单独的 prototxt 文件？

【问题讨论】：

【解决方案1】：

您要训练的网络权重与您用于初始化/微调的权重之间需要存在 1-1 对应关系。新旧模型的架构必须匹配。

VGG-16 的架构与 models/finetune_flickr_style/train_val.prototxt (FlickrStyleCaffeNet) 描述的模型不同。这是求解器将尝试优化的网络。即使它没有崩溃，您加载的权重在新网络中也没有任何意义。

Caffe 模型动物园this 页面上的 deploy.prototxt 文件中描述了 VGG-16 网络。

【讨论】：

VGG 有 train_val.prototxt 和 solver.protxt 吗？除了你链接中描述的那个，我找不到一个，人们说它不起作用。
还没有遇到 VGG-16 的 train_val。查看karpathy'strain_val，prototxt 似乎有些过时了。你最终会得到在训练期间不会改变的零权重。您需要在整个网络中添加初始化参数。一个简单的选项类似于 weight_filler { type: "gaussian" std: 0.01 } bias_filler { type: "constant" value: 0 } 但我建议查看 VGG-16 论文，了解作者使用了哪些初始化。