关于GPU配置的咨询以及数据增强 about garbage_classify HOT 14 OPEN

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.