Ich habe für meine Daten FCN32 für semantische Segmentierung von Grund auf neu trainiert, und ich bekam die folgende Ausgabe: Wie kann ich das Lernen von FCN32 für die semantische Segmentierung verbessern?
Wie es gesehen werden kann, ist dies nicht eine gute Lernkurve eine schlechte Ausbildung auf Daten zeigt. solver
ist wie folgt:
net: "train_val.prototxt"
#test_net: "val.prototxt"
test_iter: 5105 #736
# make test net, but don't invoke it from the solver itself
test_interval: 1000000 #20000
display: 50
average_loss: 50
lr_policy: "step" #"fixed"
stepsize: 50000 #+
gamma: 0.1 #+
# lr for unnormalized softmax
base_lr: 1e-10
# high momentum
momentum: 0.99
# no gradient accumulation
iter_size: 1
max_iter: 600000
weight_decay: 0.0005
snapshot: 30000
snapshot_prefix: "snapshot/FCN32s_CNN1"
test_initialization: false
solver_mode: GPU
nach der Lernrate auf 0,001 zu ändern, es wurde noch schlimmer: Ich frage mich, was kann ich für die Verbesserung der Ausbildung zu tun? Danke
Danke für Ihren Vorschlag, ich habe die Frage bearbeitet, als ich die Lernrate auf 0,001 eingestellt habe, wird die Lernkurve schlechter. –
Der Verlust ist eigentlich zahlenmäßig besser. Aber deine Lernrate scheint jetzt zu hoch. –
Danke Thomas für deinen Vorschlag –