【问题标题】:Measuring Training Error in Caffe测量 Caffe 中的训练误差
【发布时间】:2016-02-13 10:13:51
【问题描述】:

我正在使用 Caffe,并且有兴趣比较我的训练和测试错误,以确定我的网络是过拟合还是欠拟合。但是,我似乎无法弄清楚如何让 Caffe 报告培训错误。它将显示训练损失(在批次上计算的损失函数的值),但这在确定网络是否过拟合/欠拟合时没有用。有没有一种简单的方法可以做到这一点?

我正在使用 Python 接口到 Caffe (pycaffe)。如果我能以某种方式访问​​原始训练集,我可以通过前向传递将批次通过并评估结果。但是,我似乎无法弄清楚如何访问当前处理的一批训练数据。这可能吗?我的数据是 LMDB 格式。

【问题讨论】:

    标签: caffe pycaffe


    【解决方案1】:

    在train_val.prototxt 文件中,将TEST 阶段中​​的source 更改为指向训练LMDB 数据库(默认指向验证LMDB 数据库),然后运行以下命令:

    $ ./build/tools/caffe test -solver models/bvlc_reference_caffenet/solver.prototxt -weights models/bvlc_reference_caffenet/<caffenet_train_iter>.caffemodel -gpu 0
    

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 2017-04-20
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多