fine-tuning about densenet-caffe HOT 29 OPEN

finetuning很简单，你在开头加data层，结尾加loss/acc层，改变fc6的名字和类别。
注意用param { lr_mult: 0 decay_mult: 0 }固定batchnorm层的参数

from densenet-caffe.

我训练的时候，accuracy一直为0，这个是怎么回事

from densenet-caffe.

我是用python重写了一遍网络结构再生成的prototxt 没用这里的

from densenet-caffe.

All these models are converted from https://github.com/liuzhuang13/DenseNet
So you can ask Zhuang Liu for more details.

from densenet-caffe.

我是想基于你发布的caffe模型进行微调，因为看到你发布的prototxt的layer名与Zhuang Liu发布的配置文件不同，所以想问问你进行训练时用的配置文件

from densenet-caffe.

那请问一下，data层的crop_size必须指定为ImageNet里面的224*224的吗？你这个应该是deploy.prototxt吧？100多MB的caffemodel是准确率最高的caffemodel吗？然后我能否利用你已经上传的DenseNet的caffemodel来进行图片的性别分类呢？还是需要重新利用你给的网络模型结构来进行训练呢？

from densenet-caffe.

data层crop_size在训练的时候是224，你可以不指定到这个大小。
这是deploy文件，准确率已经写在表格里。
可以，你可以利用这个预训练模型，也可以自己从头训练，你自己看着办都行。

from densenet-caffe.

使用161 fine-tuning 的时候，使用的图片是224*224，
train batchsize=64，出现error == cudaSuccess (2 vs. 0) out of memory
改成batchsize=2，还是报错，检查显卡使用了11G多，显卡用的是K40
改batchsize=1，运行train成功，显卡使用2000M的样子，奇怪，怎么改成batchsize=1，会降低那么多，是哪里有问题吗？
另外，finetuning的时候发现loss震荡较大。

from densenet-caffe.

@shicai
你好 网络有实验过检测任务吗 效果会怎样？

from densenet-caffe.

@limin1130 关于显存，作者最近提出了一个内存优化的方案，见论文《Memory-Efficient Implementation of DenseNets》

@OPPOA113 我自己没用DenseNet做过检测，不过作者透露将很快发布一篇论文，使用DenseNet做检测也能获得state of the art的结果。所以，DenseNet做检测应该没什么问题。

from densenet-caffe.

@OPPOA113
用DenseNet做检测任务已经做好了吗？

from densenet-caffe.

@gittigxuy
NO 做过自己的数据的分类实验，参数没调试好，效果不理想。你那边可有检测？

from densenet-caffe.

@OPPOA113 ,我还没做检测，我做图片2分类，但是效果不太理想，可能是初学的原因吧，再略加修改一下，你那的图片分类的项目代码可否给我看一下？如果可以的话，麻烦发邮件到[email protected]，谢谢了

from densenet-caffe.

@gittigxuy
就是caffe的代码训练的cifar10 没有什么其他的代码

from densenet-caffe.

@shicai ,求大佬给个用到DenseNet的项目案例，我train - loss图波动很大，找不到原因

from densenet-caffe.

Hi, 我从零开始训练DenseNet121，将fc6换成InnerProduct layer，然后加上Accuracy和SoftmaxWithLoss，loss基本不变，accuracy一直为0。是什么原因呢？

from densenet-caffe.

@yefanhust 只凭你的只言片语，我也不确定原因是什么。即使是随机的初始化，accuracy也会接近0.1%，不会是0的。

from densenet-caffe.

DenseNet121.txt
@shicai 这里附上我修改过的DenseNet121.prototxt neng 能麻烦帮我看下吗？训练中loss和accuracy一直停留在最初的水平。

from densenet-caffe.

@shicai 再附上solver的config，完全是按照原始paper中的数据设置的。
solver.txt

from densenet-caffe.

@yefanhust (1) 确定你的batch size是256，我看文件中是8；(2) 如果从头训练，需要给Convolution和Scale层加上param参数，控制lr和wd，有几个参数就加几个param，比如conv不带bias就加一个，scale层带bias就加两个：param { lr_mult: 1 decay_mult: 0 }

from densenet-caffe.

@shicai (1) 在服务器上训练时是256，8是在单机上测试用的 (2) 好的，我会根据你的建议加上相应的参数
谢谢

from densenet-caffe.

@yefanhust 请问你训练的时候256，为什么我训练的时候batch_size为10，都out of memory，我的显卡是GeForce GTX TITAN X

from densenet-caffe.

@nerddd 我是在DGX-1上训练的，用的8块P100

from densenet-caffe.

@shicai
你好。我用你提供的deploy改写的train_val进行训练，loss一直是2.5左右，不下降。我改train_val只改了开头的数据层和在结尾加了accuracy和softmaxwithloss，请问还有哪里需要修改？

from densenet-caffe.

@yefanhust 想问一下你问题解决了吗？解决了的话，可不可以给看一下修改后的prototxt文件？

from densenet-caffe.

I modified the prototxt according to the comments under this issue. The only difference is that my batchsize is 10, and the loss does not converge and it explodes. I wonder must the batchsize be 256? And is there a correct version of train_val.prototxt for densenet?

from densenet-caffe.

@yefanhust 你可以把你的生成densenet的python脚本分享一下吗？或者将densenet-caffe的train_test.prototxt和solver.prototxt分享一下，我的邮箱 [email protected]
谢谢

from densenet-caffe.

@yefanhust 四块P100表示hold不住batchsize256 多显卡跑caffe 你的cudnn禁用了么

from densenet-caffe.

@shicai
你好。我用你提供的deploy改写的train_val进行训练，loss一直是2.5左右，不下降。我改train_val只改了开头的数据层和在结尾加了accuracy和softmaxwithloss，请问还有哪里需要修改？

请问能加个联系方式吗？我也准备finetuning ，也只是改了开头和加了结尾，我的QQ1443563995

from densenet-caffe.