Я пытаюсь обучить fcn32. Я тренирую модель voc-fcn32s для своих собственных данных с неуравновешенным номером класса. Это кривая обучения для 18 000 итераций: Модель FCN32 не сходится, и потери теряются после некоторых точек. Зачем?
Как вы можете видеть, тренировка в некоторых точках уменьшается, а затем она колеблется. Я прочитал некоторые онлайн-рекомендации, которые они предлагают уменьшить скорость обучения или изменить значение смещения в слоях свертки для наполнителей. Итак, что я сделал, что я изменил train_val.prototxt следующим образом для этих двух слоев:
....
layer {
name: "score_fr"
type: "Convolution"
bottom: "fc7"
top: "score_fr"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 5 # the number of classes
pad: 0
kernel_size: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
value: 0.5 #+
}
}
}
layer {
name: "upscore"
type: "Deconvolution"
bottom: "score_fr"
top: "upscore"
param {
lr_mult: 0
}
convolution_param {
num_output: 5 # the number of classes
bias_term: true #false
kernel_size: 64
stride: 32
group: 5 #2
weight_filler: {
type: "bilinear"
value:0.5 #+
}
}
}
....
Кажется, не так много, что изменилось в поведении модель.
1) Правильно ли вы добавляете эти значения в weight_filler
?
2) Должен ли я изменить учебную политику в решателе от fixed
до step
, уменьшая в 10 раз каждый раз? Помог ли он решить эту проблему?
Я беспокоюсь, что делаю неправильные вещи, и моя модель не может сходиться. Есть ли у кого-нибудь какие-либо предложения по этому поводу? Какие важные вещи я должен учитывать при модели обучения? Какие изменения я могу сделать на solver
и train_val
, чтобы модель была конвергентной?
Я очень ценю вашу помощь.
Подробнее после добавления BatchNorm слой
Благодаря @Shai и предложившего @ Джонатан добавить batchNorm
слоев. я добавил Batch Normalization Layers
перед тем reLU
слоев, этот слой один пример:
layer {
name: "conv1_1"
type: "Convolution"
bottom: "data"
top: "conv1_1"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 64
pad: 100
kernel_size: 3
stride: 1
}
}
layer {
name: "bn1_1"
type: "BatchNorm"
bottom: "conv1_1"
top: "bn1_1"
batch_norm_param {
use_global_stats: false
}
param {
lr_mult: 0
}
include {
phase: TRAIN
}
}
layer {
name: "bn1_1"
type: "BatchNorm"
bottom: "conv1_1"
top: "bn1_1"
batch_norm_param {
use_global_stats: true
}
param {
lr_mult: 0
}
include {
phase: TEST
}
}
layer {
name: "scale1_1"
type: "Scale"
bottom: "bn1_1"
top: "bn1_1"
scale_param {
bias_term: true
}
}
layer {
name: "relu1_1"
type: "ReLU"
bottom: "bn1_1"
top: "bn1_1"
}
layer {
name: "conv1_2"
type: "Convolution"
bottom: "bn1_1"
top: "conv1_2"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 64
pad: 1
kernel_size: 3
stride: 1
}
}
Насколько я знал из документации, могу только добавить один параметр в пакетном нормализации вместо трех, так как у меня есть изображения одного канала. Это мое понимание верно? следующим образом:
param {
lr_mult: 0
}
Следует ли добавить дополнительные параметры для масштабирования слоя, как упоминается в документации? В чем смысл этих параметров в слое Scale
? как:
layer { bottom: 'layerx-bn' top: 'layerx-bn' name: 'layerx-bn-scale' type: 'Scale',
scale_param {
bias_term: true
axis: 1 # scale separately for each channel
num_axes: 1 # ... but not spatially (default)
filler { type: 'constant' value: 1 } # initialize scaling to 1
bias_filler { type: 'constant' value: 0.001 } # initialize bias
}}
и это сети. Я не уверен, насколько я ошибаюсь/прав. Я добавил правильно? Другой вопрос: debug_info. В чем смысл этих строк файла журнала после активации debug_info
? Что означает diff
и data
? И почему значения равны 0? Моя сеть работает правильно?
I:17:49.498327 15230 solver.cpp:228] Iteration 50, loss = 105465
I:17:49.498337 15230 solver.cpp:244] Train net output #0: accuracy = 0.643982
I:17:49.498349 15230 solver.cpp:244] Train net output #1: loss = 105446 (* 1 = 105446 loss)
I:17:49.498359 15230 sgd_solver.cpp:106] Iteration 50, lr = 1e-11
I:19:12.680325 15230 net.cpp:608] [Forward] Layer data, top blob data data: 34.8386
I:19:12.680615 15230 net.cpp:608] [Forward] Layer data_data_0_split, top blob data_data_0_split_0 data: 34.8386
I:19:12.680670 15230 net.cpp:608] [Forward] Layer data_data_0_split, top blob data_data_0_split_1 data: 34.8386
I:19:12.680778 15230 net.cpp:608] [Forward] Layer label, top blob label data: 0
I:19:12.680829 15230 net.cpp:608] [Forward] Layer label_label_0_split, top blob label_label_0_split_0 data: 0
I:19:12.680896 15230 net.cpp:608] [Forward] Layer label_label_0_split, top blob label_label_0_split_1 data: 0
I:19:12.688591 15230 net.cpp:608] [Forward] Layer conv1_1, top blob conv1_1 data: 0
I:19:12.688695 15230 net.cpp:620] [Forward] Layer conv1_1, param blob 0 data: 0
I:19:12.688742 15230 net.cpp:620] [Forward] Layer conv1_1, param blob 1 data: 0
I:19:12.721791 15230 net.cpp:608] [Forward] Layer bn1_1, top blob bn1_1 data: 0
I:19:12.721853 15230 net.cpp:620] [Forward] Layer bn1_1, param blob 0 data: 0
I:19:12.721890 15230 net.cpp:620] [Forward] Layer bn1_1, param blob 1 data: 0
I:19:12.721901 15230 net.cpp:620] [Forward] Layer bn1_1, param blob 2 data: 96.1127
I:19:12.996196 15230 net.cpp:620] [Forward] Layer scale4_1, param blob 0 data: 1
I:19:12.996237 15230 net.cpp:620] [Forward] Layer scale4_1, param blob 1 data: 0
I:19:12.996939 15230 net.cpp:608] [Forward] Layer relu4_1, top blob bn4_1 data: 0
I:19:13.012020 15230 net.cpp:608] [Forward] Layer conv4_2, top blob conv4_2 data: 0
I:19:13.012403 15230 net.cpp:620] [Forward] Layer conv4_2, param blob 0 data: 0
I:19:13.012446 15230 net.cpp:620] [Forward] Layer conv4_2, param blob 1 data: 0
I:19:13.015959 15230 net.cpp:608] [Forward] Layer bn4_2, top blob bn4_2 data: 0
I:19:13.016005 15230 net.cpp:620] [Forward] Layer bn4_2, param blob 0 data: 0
I:19:13.016046 15230 net.cpp:620] [Forward] Layer bn4_2, param blob 1 data: 0
I:19:13.016054 15230 net.cpp:620] [Forward] Layer bn4_2, param blob 2 data: 96.1127
I:19:13.017211 15230 net.cpp:608] [Forward] Layer scale4_2, top blob bn4_2 data: 0
I:19:13.017251 15230 net.cpp:620] [Forward] Layer scale4_2, param blob 0 data: 1
I:19:13.017292 15230 net.cpp:620] [Forward] Layer scale4_2, param blob 1 data: 0
I:19:13.017980 15230 net.cpp:608] [Forward] Layer relu4_2, top blob bn4_2 data: 0
I:19:13.032080 15230 net.cpp:608] [Forward] Layer conv4_3, top blob conv4_3 data: 0
I:19:13.032452 15230 net.cpp:620] [Forward] Layer conv4_3, param blob 0 data: 0
I:19:13.032493 15230 net.cpp:620] [Forward] Layer conv4_3, param blob 1 data: 0
I:19:13.036018 15230 net.cpp:608] [Forward] Layer bn4_3, top blob bn4_3 data: 0
I:19:13.036064 15230 net.cpp:620] [Forward] Layer bn4_3, param blob 0 data: 0
I:19:13.036105 15230 net.cpp:620] [Forward] Layer bn4_3, param blob 1 data: 0
I:19:13.036114 15230 net.cpp:620] [Forward] Layer bn4_3, param blob 2 data: 96.1127
I:19:13.038148 15230 net.cpp:608] [Forward] Layer scale4_3, top blob bn4_3 data: 0
I:19:13.038189 15230 net.cpp:620] [Forward] Layer scale4_3, param blob 0 data: 1
I:19:13.038230 15230 net.cpp:620] [Forward] Layer scale4_3, param blob 1 data: 0
I:19:13.038969 15230 net.cpp:608] [Forward] Layer relu4_3, top blob bn4_3 data: 0
I:19:13.039417 15230 net.cpp:608] [Forward] Layer pool4, top blob pool4 data: 0
I:19:13.043354 15230 net.cpp:608] [Forward] Layer conv5_1, top blob conv5_1 data: 0
I:19:13.128515 15230 net.cpp:608] [Forward] Layer score_fr, top blob score_fr data: 0.000975524
I:19:13.128569 15230 net.cpp:620] [Forward] Layer score_fr, param blob 0 data: 0.0135222
I:19:13.128607 15230 net.cpp:620] [Forward] Layer score_fr, param blob 1 data: 0.000975524
I:19:13.129696 15230 net.cpp:608] [Forward] Layer upscore, top blob upscore data: 0.000790174
I:19:13.129734 15230 net.cpp:620] [Forward] Layer upscore, param blob 0 data: 0.25
I:19:13.130656 15230 net.cpp:608] [Forward] Layer score, top blob score data: 0.000955503
I:19:13.130709 15230 net.cpp:608] [Forward] Layer score_score_0_split, top blob score_score_0_split_0 data: 0.000955503
I:19:13.130754 15230 net.cpp:608] [Forward] Layer score_score_0_split, top blob score_score_0_split_1 data: 0.000955503
I:19:13.146767 15230 net.cpp:608] [Forward] Layer accuracy, top blob accuracy data: 1
I:19:13.148967 15230 net.cpp:608] [Forward] Layer loss, top blob loss data: 105320
I:19:13.149173 15230 net.cpp:636] [Backward] Layer loss, bottom blob score_score_0_split_1 diff: 0.319809
I:19:13.149323 15230 net.cpp:636] [Backward] Layer score_score_0_split, bottom blob score diff: 0.319809
I:19:13.150310 15230 net.cpp:636] [Backward] Layer score, bottom blob upscore diff: 0.204677
I:19:13.152452 15230 net.cpp:636] [Backward] Layer upscore, bottom blob score_fr diff: 253.442
I:19:13.153218 15230 net.cpp:636] [Backward] Layer score_fr, bottom blob bn7 diff: 9.20469
I:19:13.153254 15230 net.cpp:647] [Backward] Layer score_fr, param blob 0 diff: 0
I:19:13.153291 15230 net.cpp:647] [Backward] Layer score_fr, param blob 1 diff: 20528.8
I:19:13.153420 15230 net.cpp:636] [Backward] Layer drop7, bottom blob bn7 diff: 9.21666
I:19:13.153554 15230 net.cpp:636] [Backward] Layer relu7, bottom blob bn7 diff: 0
I:19:13.153856 15230 net.cpp:636] [Backward] Layer scale7, bottom blob bn7 diff: 0
E:19:14.382714 15230 net.cpp:736] [Backward] All net params (data, diff): L1 norm = (19254.6, 102644); L2 norm = (391.485, 57379.6)
Я действительно ценю, если кто-то знает, пожалуйста, поделитесь идеями/ссылками/ресурсами здесь. Еще раз спасибо
IMHO, я не думаю, что добавление 'bias_term' в' 'Deconvolution '' - хорошая идея. У вас есть ['' BatchNorm "' layers] (http://stackoverflow.com/q/41608242/1714410) в вашей модели? Какую активацию вы используете поверх линейных единиц, «ReLU»? Вы пытались установить ['debug_info: true'] (http://stackoverflow.com/questions/40510706/how-to-interpret-caffe-log-with-debug-info) и проверять журнал отладки? – Shai
@Shai Большое спасибо за редактирование и за ваши рекомендации. Нет, я не сильно изменил модель FCN, так как я недостаточно хорошо знаком со слоями и их архитектурой. Вы правы, изменение 'bias_term' ничего не меняло на выходе. Могу ли я спросить, какова же цель слоя «BatchNorm»? Это нормализация данных? Было бы необходимо, так как я уже нормализовал свои изображения между 0-1, прежде чем создавать базу данных LMDB? Еще один вопрос: насколько свобода мы должны изменить архитектуру модели? –
@ S.EB В своем ответе я добавил некоторую информацию о пакетной нормализации. Также см. Http://stackoverflow.com/questions/41608242/how-should-batchnorm-layer-be-used-in-caffe. Если у вас есть дополнительные вопросы, вы можете задать отдельные вопросы. – Jonathan