Не удается получить правильную точность для дадатсета cifar10 с mobilenetv2 на ЦП

Я пытался обучить mobilenetV2 с набором данных cifar10, как указано в https://github.com/tensorflow/models/tree/master/research/slim единственное изменение в том, что я сделал это на процессоре, но в итоге я получил точность только 63%, но заявленная точность составляет 94%

DATASET_DIR=/tmp/cifar10
TRAIN_DIR=/tmp/train_logs
python train_image_classifier.py \
--train_dir=${TRAIN_DIR} \
--dataset_name=cifar10 \
--dataset_split_name=train \
--dataset_dir=${DATASET_DIR} \
--model_name=mobilenet_v2 \
--clone_cpu=True

person Akash Bhogar    schedule 09.10.2019    source источник


Ответы (2)


Из любопытства, о какой заявленной точности вы говорите?

Все эти сети, чтобы хорошо обучаться без перехода на Cifar10, требуют повышения разрешения Cifar10 до 224x224 (или аналогичного). Для этого должен быть флаг в train_image_classifier.

person Mark Sandler    schedule 10.10.2019
comment
github.com/kuangliu/pytorch-cifar/issues/29 ссылается на эту страницу , В соответствии с этапами обучения, указанными в ссылке github, которую я указал в que (модель tf slim), они не сделали никакого масштабирования, это флаг для размера изображения, который я изменил на 32 в соответствии с набором данных cifar10. - person Akash Bhogar; 10.10.2019
comment
Я думаю, что они делают еще один хак, где они устанавливают шаги первых двух слоев равными 1 . Например, см. github.com/kuangliu/pytorch-cifar. /blob/master/models/, который имеет тот же эффект. Проблема в том, что если входное разрешение низкое, а шаги сохраняются, модель вырождается в кучу полностью связанных слоев и переобучения как сумасшедшая. - person Mark Sandler; 11.10.2019
comment
Я понял, но есть еще много ссылок, которые заявляют о более высокой точности. - person Akash Bhogar; 11.10.2019

Tq @Mark Sandler Взлом, который они сделали, был правильным. Я получил точность около 93%, изменив шаги первых 3 слоев на 1 среди 5 слоев с помощью Stride 2введите здесь описание изображения

Ссылка на файл: https://github.com/tensorflow/models/blob/master/research/slim/nets/mobilenet/mobilenet_v2.py

person Akash Bhogar    schedule 20.10.2019