問題タブ [tf-slim]

スリムモデルでは、train_image_classifier.py を使用してゼロからモデルをトレーニングできると記載されていますが、実際には難しいと感じました。私の場合、6xK80 を搭載したローカル マシンで ResNet をゼロからトレーニングしようとしています。私はこれを使用しました：

論文で提案されているのと同じ設定に従いました。batch_size 32 のローカル マシンで 8 つの GPU を使用しているため、有効なバッチ サイズは 32x8=256 です。学習率は最初は 0.1 に設定されており、30 エポックごとに 10 ずつ減衰します。70K ステップ (70000x256/1.2e6 ~ 15 エポック) の後、検証セットのトップ 1 のパフォーマンスは ~14% と低くなりますが、多くの反復の後では約 50% になるはずです。このコマンドを使用して、トップ 1 のパフォーマンスを取得しました。

実際の例が不足しているため、スリムなトレーニング コードにバグがあるのか​​、それともスクリプトに問題があるのか​​を判断するのは困難です。私のスクリプトに何か問題がありますか？再送信をゼロから正常にトレーニングした人はいますか?

この関数は tf.contrib.metrics.streaming_sparse_average_precision_at_k を参照しており、ソース コードでの説明は次のとおりです。簡単な例を挙げて説明できる人はいますか? そして、この指標は PASCAL VOC 2012 チャレンジで使用された平均精度計算と同じでしょうか。どうもありがとうございました。