Open 18810580125 opened 3 years ago
学长你好,我又来麻烦你了。 我这段时间的主要工作是对您的程序的复现(仅考虑ResNet50网络)。到目前为止,我已经成功地实现了网络搭建、训练、提取特征、评估这几个过程。但是在评估阶段,我获得的mAP值只有0.56,Rank-1为0.79,这个结果与您给出的源代码运行结果的mAP:0.71,Rank-1:0.88相差较大。 我不知道具体是哪个部分出现了错误。 在复现过程中,我并没有使用pytorch深度学习框架,使用的是百度开发的一款深度学习框架; 在使用ResNet50的预训练模型时,我发现打印出来的网络结构与您给出的网络结构有些差别; 训练过程中,我使用SGD优化器对整个模型的参数进行了优化,并没有像您一样对参数分别进行优化; 学习率则是按照初始值:0.01,衰减轮数间隔:5,衰减率:0.1进行设置; resize图片是使用的插值方法是cv2.INTER_LINER方法(这是百度的框架提供的一种插值方法,我注意到pytorch中好像并没有这种方法); 我不清楚这些因素是否会对最后的评估结果造成影响,导致我的mAP值只有0.56,请问您对我的这个问题有什么建议吗?
你好。看上去是因为 “训练过程中,我使用SGD优化器对整个模型的参数进行了优化,并没有像您一样对参数分别进行优化;” 你需要设置一下。
resize方式影响很小。 ResNet50要用imagenet pretrained 不能自己重新随机初始化。
学长你好,我又来麻烦你了。 我这段时间的主要工作是对您的程序的复现(仅考虑ResNet50网络)。到目前为止,我已经成功地实现了网络搭建、训练、提取特征、评估这几个过程。但是在评估阶段,我获得的mAP值只有0.56,Rank-1为0.79,这个结果与您给出的源代码运行结果的mAP:0.71,Rank-1:0.88相差较大。 我不知道具体是哪个部分出现了错误。 在复现过程中,我并没有使用pytorch深度学习框架,使用的是百度开发的一款深度学习框架; 在使用ResNet50的预训练模型时,我发现打印出来的网络结构与您给出的网络结构有些差别; 训练过程中,我使用SGD优化器对整个模型的参数进行了优化,并没有像您一样对参数分别进行优化; 学习率则是按照初始值:0.01,衰减轮数间隔:5,衰减率:0.1进行设置; resize图片是使用的插值方法是cv2.INTER_LINER方法(这是百度的框架提供的一种插值方法,我注意到pytorch中好像并没有这种方法); 我不清楚这些因素是否会对最后的评估结果造成影响,导致我的mAP值只有0.56,请问您对我的这个问题有什么建议吗?