8、图像分类模型：VGGNet与GoogLeNet的训练与评估

nice1

于 2025-10-25 14:06:39 发布

阅读量15

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习与计算机视觉实战文章标签： VGGNet GoogLeNet 图像分类

本文链接：https://blog.youkuaiyun.com/nice1/article/details/154816835

深度学习与计算机视觉实战专栏收录该内容

28 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

图像分类模型：VGGNet与GoogLeNet的训练与评估

1. VGGNet的训练与评估

在使用VGGNet进行图像分类任务时，我们需要对其进行训练和评估。以下是详细的步骤和相关要点。

1.1 训练VGGNet

训练VGGNet的代码中，我们可以看到一些关键的设置：

symbol=model,
initializer=mx.initializer.MSRAPrelu(),
arg_params=argParams,
aux_params=auxParams,
optimizer=opt,
num_epoch=80,
begin_epoch=args["start_epoch"])

这里使用了 MSRAPrelu 作为初始化方法，这是He等人建议用于训练深度神经网络的方法。如果不使用这种初始化方法，VGG16在训练过程中可能难以收敛。

接下来，我们需要定义回调函数和评估指标：

# initialize the callbacks and evaluation metrics
batchEndCBs = [mx.callback.Speedometer(batchSize, 250)]
epochEndCBs = [mx.callback.do_checkpoint(checkpointsPath)]
metrics = [mx.metric.Accuracy(), mx.metric.TopKAccuracy(top_k=5),