14、MiniGoogLeNet与Tiny ImageNet图像分类实践

MiniGoogLeNet与Tiny ImageNet图像分类实践

1. MiniGoogLeNet在CIFAR - 10上的应用

在使用MiniGoogLeNet对CIFAR - 10数据集进行训练时，首先要做好一系列的准备工作。

1.1 数据增强与回调函数设置

height_shift_range=0.1, horizontal_flip=True,
fill_mode="nearest"

上述代码进行了数据增强的参数设置，通过高度偏移和水平翻转等操作，增加数据的多样性。同时，为了监控训练进度和调整学习率，还构建了一组回调函数：

# construct the set of callbacks
figPath = os.path.sep.join([args["output"], "{}.png".format(os.getpid())])
jsonPath = os.path.sep.join([args["output"], "{}.json".format(os.getpid())])
callbacks = [TrainingMonitor(figPath, jsonPath=jsonPath),
             LearningRateScheduler(poly_decay)]

1.2 模型初始化与训练

接下来初始化优化器和模型，选择SGD作为优化器，并设置初始学习率：