本文介绍了在Caffe中如何进行迁移学习，通过微调预训练模型达到高精度。首先，载入训练好的模型并修改网络配置文件，调整学习率和输出层参数。然后，设置超参数并创建训练脚本，用几百步即可实现高准确率。此外，还阐述了Snapshot的用途，用于模型训练中断后从上次位置继续。通过修改迭代次数并运行批处理文件，可以从断点续训。
迁移学习：
finetune 对训练好的模型进行微调。fInetune的原理是除了最后一层外，都是载入以前训练好的模型的参数，但最后一层会重新赋值重新初始化重新训练。所以我们微调主要调的是最后一层。
1.打开之前下载好的caffenet文件夹，打开readme
复制此链接到浏览器，下载一个训练好的模型。下载到：
打开caffe官方提供的fintune文件夹
里面有：
2.修改网络模型文件train_val.prototxt
（1）将上一个博客的网络模型文件的测试和训练的输入层复制到finetune的网络模型文件，替换掉原来的输入层。
（2）输出层的学习率应该比前面层高，输出层默认学习率偏侧值乘以10和20不变，把输出层的输出num_output改为5
最低0.47元/天 解锁文章
扫一扫
1308
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
