小さいトレーニング (6000 jpg) および val (170 jpg) jpg のセットに使用するパラメーターを理解するための助けが必要です。私たちの実行は、反復 0 でテストスコア 0/1 の後に強制終了され、終了しました。
次の caffe Web サイトのチュートリアルで imagenet サンプルを実行しようとしています。
http://caffe.berkeleyvision.org/gathered/examples/imagenet.html.
パッケージ内の ILSVRC2 画像の完全なセットを使用する代わりに、6000 jpeg の独自のトレーニング セットと 170 の jpeg 画像の val セットを使用します。指示どおり、train および val ディレクトリにあるそれぞれ 256 x 256 の jpeg ファイルです。スクリプトを実行して、補助データを取得しました。
./data/ilsvrc12/get_ilsvrc_aux.sh
train.txt および val.txt ファイルは、各 jpeg ファイルの 2 つの可能なカテゴリのいずれかを記述するように設定されています。次に、スクリプトを実行して、正しく実行されたように見える平均画像データを計算しました。
./examples/imagenet/make_imagenet_mean.sh
imagenet_train.prototxt と imagenet_val.prototxt のチュートリアルで提供されているモデル定義を使用しました。はるかに少ない画像でトレーニングしているため、imagenet_solver.prototxt を次のように変更しました。
train_net: "./imagenet_train.prototxt"
test_net: "./imagenet_val.prototxt"
test_iter: 3
test_interval: 10
base_lr: 0.01
lr_policy: "step"
gamma: 0.1
stepsize: 10
display: 20
max_iter: 45
momentum: 0.9
weight_decay: 0.0005
snapshot: 10
snapshot_prefix: "caffe_imagenet_train"
solver_mode: CPU
次を使用して実行すると：
./train_imagenet.sh
ハングしたところで次の出力が得られます。
.......
.......
I0520 23:07:53.175761 4678 net.cpp:85] drop7 <- fc7
I0520 23:07:53.175791 4678 net.cpp:99] drop7 -> fc7 (in-place)
I0520 23:07:53.176246 4678 net.cpp:126] Top shape: 50 4096 1 1 (204800)
I0520 23:07:53.176275 4678 net.cpp:152] drop7 needs backward computation.
I0520 23:07:53.176296 4678 net.cpp:75] Creating Layer fc8
I0520 23:07:53.176306 4678 net.cpp:85] fc8 <- fc7
I0520 23:07:53.176314 4678 net.cpp:111] fc8 -> fc8
I0520 23:07:53.184213 4678 net.cpp:126] Top shape: 50 1000 1 1 (50000)
I0520 23:07:53.184908 4678 net.cpp:152] fc8 needs backward computation.
I0520 23:07:53.185607 4678 net.cpp:75] Creating Layer prob
I0520 23:07:53.186135 4678 net.cpp:85] prob <- fc8
I0520 23:07:53.186538 4678 net.cpp:111] prob -> prob
I0520 23:07:53.187166 4678 net.cpp:126] Top shape: 50 1000 1 1 (50000)
I0520 23:07:53.187696 4678 net.cpp:152] prob needs backward computation.
I0520 23:07:53.188244 4678 net.cpp:75] Creating Layer accuracy
I0520 23:07:53.188431 4678 net.cpp:85] accuracy <- prob
I0520 23:07:53.188540 4678 net.cpp:85] accuracy <- label
I0520 23:07:53.188870 4678 net.cpp:111] accuracy -> accuracy
I0520 23:07:53.188907 4678 net.cpp:126] Top shape: 1 2 1 1 (2)
I0520 23:07:53.188915 4678 net.cpp:152] accuracy needs backward computation.
I0520 23:07:53.188922 4678 net.cpp:163] This network produces output accuracy
I0520 23:07:53.188942 4678 net.cpp:181] Collecting Learning Rate and Weight Decay.
I0520 23:07:53.188954 4678 net.cpp:174] Network initialization done.
I0520 23:07:53.188961 4678 net.cpp:175] Memory required for Data 210114408
I0520 23:07:53.189008 4678 solver.cpp:49] Solver scaffolding done.
I0520 23:07:53.189018 4678 solver.cpp:61] Solving CaffeNet
I0520 23:07:53.189033 4678 solver.cpp:106] Iteration 0, Testing net
I0520 23:09:06.699695 4678 solver.cpp:142] Test score #0: 0
I0520 23:09:06.700203 4678 solver.cpp:142] Test score #1: 7.07406
Killed
Done.