Comments (14)
楼主你的模型能share一份么 我后边比对下运行效果可以么?
from garbage_classify.
我用batch size 16训练效果到19次的结果,看起来貌似不太容易到90%的识别率,有可能是我哪里做的不对么
from garbage_classify.
@piaotq 是的呢 一般都是用的大的显卡 当时是4个P100华为云提供的,B4,size 380 batch 64。大的batch和大的size对准确率是有影响的。配置和代码中写的一样,你可以看一下txt。不一定保证和train一样,但是一定得保证和val一样,这样你的验证集的准确率才能反映到test上。
from garbage_classify.
@piaotq 你好,非常抱歉运行结果已经不存在了,是可以的之前线下训练的时候就可以达到。batch和size对准确率的影响很大的
from garbage_classify.
@piaotq 你好,非常抱歉运行结果已经不存在了,是可以的之前线下训练的时候就可以达到。batch和size对准确率的影响很大的
你好,我目前用的batch size 16 ,一般要经过多少轮训练呢,60个 epoch么?
另外在eval的数据的时候,这个数据归一化的处理,影响结果大么
from garbage_classify.
@piaotq 建议把归一化去掉,keras不像pytorch,pytorch一般都是需要的。把标签平滑部分也可以删除,看看是不是就提高了 。一般30代左右就行啦
from garbage_classify.
我这边用batch size 16 input size 456 原版的 训练B5 ,30代感觉还不够 ,我再测试个60代左右看看,有啥疑问到时候再向你请教
from garbage_classify.
@piaotq 好的
from garbage_classify.
请问下我在做training的时候,是否可以选择从某一代的模型开始加载继续训练?
我在代码中打开
model.load_weights('/home/work/user-job-dir/src/weights_004_0.9223.h5')
然后把模型的文件换成我自己的,发现training后的准确率好像,随后每代训练准确率显示99%,但是显然是不可能的,这种方式楼主之前有用过么?还是说我用错了一些方法?
from garbage_classify.
另外楼主你指代的去掉平滑和归一化是指训练的过程中,直接不进行平滑处理么?
另外代码中我看到默认图像增强是去掉的,这个是你认为训练的效果会比较好么?
另外就是training的过程是否开启归一化或者图像增强是不是在eval的时候也应该是一一对应的?
第一次做这个,问的有点儿初级哈
from garbage_classify.
所有的预处理在train进行,val和test只进行归一化就行,test和val也进行了增强那准确率就没有意义了,变化太大。图像增强需要你自己一个个试,一般最好的就是水平翻转,其他的自己可以试试,哪个好用哪一个。
from garbage_classify.
嗯明白了 图像增强的其实主要是不是为了基于已有的数据增加training的数据?
另外选择从某一代的模型开始加载继续训练这个楼主有试过么?我直接打开代码改成我的weight文件,训练出来的准确率看着不太对,有什么需要配置的么
from garbage_classify.
@piaotq 是的,图像增强主要是在train数据集上进行的。直接读取模型的参数就可以了,那是当然啊,因为你每次训练train和val都重新划分,有可能上一次的train里面包含这一次的val,准确率当然高啦
from garbage_classify.
@piaotq 是的,图像增强主要是在train数据集上进行的。直接读取模型的参数就可以了,那是当然啊,因为你每次训练train和val都重新划分,有可能上一次的train里面包含这一次的val,准确率当然高啦
from garbage_classify.
Related Issues (20)
- 请问作者有训练好的模型吗?想写一个网页应用 HOT 1
- 作者你好customize_service这个文件的一个库 from model_service.tfserving_model_service import TfServingBaseService 在你的源码中没有 HOT 1
- 关于.h5文件 HOT 1
- Tensor Tensor("input_1:0", shape=(?, 456, 456, 3), dtype=float32) is not an element of this graph. HOT 3
- 我也存在这样的问题,请问你解决了吗 HOT 2
- 有人一起做吗,咱们建个微信群讨论吧, HOT 2
- 跑通这个项目需要哪几步? HOT 2
- 关于在第一轮回调时的报错信息 HOT 4
- 关于mean_std.py HOT 1
- 关于准确度和loss值 HOT 2
- 关于准确率和验证集和测试集 HOT 1
- 您好,我在配置的时候总是出错
- ModuleNotFoundError: No module named 'keras' HOT 2
- SVM作用是什么?为什么要加svm? HOT 1
- 找不到指定模块 HOT 1
- 有没有训练好的模型参考下,这边训练太慢了
- TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("input_1:0", shape=(?, 456, 456, 3), dtype=float32) is not an element of this graph. HOT 7
- 关于准确率的小问题 HOT 1
- 数据集没有了 HOT 2
- TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("input_1:0", shape=(?, 456, 456, 3), dtype=float32) is not an element of this graph. #49 HOT 3
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from garbage_classify.