1. 程式人生 > >NVIDIA DIGITS 學習筆記(引數)

NVIDIA DIGITS 學習筆記(引數)

本文主要記錄了NVIDIA DIGITS的引數設定方法及其與Caffe中的引數的對應關係。

資料集

手寫體MNIST資料集的原始資料格式為:png,每幅影象大小為:28×28,包含70K個手寫體數字,共10類,其中60K為訓練用樣本(train+val),10K的測試樣本(test)。本例中,從訓練樣本中隨機抽取25%的資料作為驗證集(val),使用digits生成的資料資訊如下:

資料集屬性
Image Type Grayscale
Image Encoding png
Image Dimensions 28×28
Number of Categories 10
Number of Training Images 45002
Number of Validation Images 14998(25% of 60000)
Number of test Images 10000

模型引數

Solver Options 意義 示例值 solver.prototxt 計算
Training epochs 訓練代數:將訓練用資料反覆送入網路訓練的次數 30 max_iter (Training epochs)×(numtrainsamples/batchsizetrain
)
),如30*(45002/64)=21120
Snapshot interval (in epochs) 快照間隔:是指訓練多少代後進行一次快照記錄 1 snapshot (numtrainsamples/batchsizetrain)×(Snapshotinterval),如:(45002/64)*1=704
Validation interval (in epochs) 驗證間隔 1 test_interval (numvalsamples/batchsizetest)(Validationinterval),如:(14998/100)*1=150
Random seed 權重隨機初始化種子 [none] - -
Batch size 批處理大小 [network defaults],網路預設值,訓練:64,測試100 - -
Solver type 優化方法 Stochastic Gradient Descent (SGD) solver_type SGD
Base Learning Rate 學習率 0.01 base_lr 0.01
Policy 學習率策略 Step Size lr_policy “step”
Step Size 步長 33% stepsize max_iter*Step Size,如:21120×33%=6970
Gamma Gamma引數 0.1 gamma 0.1

DIGITS中的錯誤

在模型中,對於 LeNet模型,其網路引數有一個小錯誤,就是Softmax前面的那一層的輸出為10而不是0,可以點選Customize修改,下圖左是直接視覺化的DIGITS的LeNet,右圖是將Caffe中MNIST例子中的LeNet.prototxt檔案內容直接複製到DIGITS的Customize中視覺化後的結果:

DIGITS錯誤