where download model about caffe-model HOT 8 CLOSED

All the pre-train models fit 224x224 input, you just need to modify the deploy file's input layer to 224x224.

from caffe-model.

I download this https://pan.baidu.com/s/1c6D150 inception_v4 caffemodel. my datasets is face,so my data size is 11296 and 160132(trained use small centerloss model). i try 224224 size, the result not well. until now the best result is 160132 size.
today i want try inception_v4 model to train my face data (size 160*132). when i train, has error "Check failed: top_shape[j] == bottom[i]->shape(j)". i try many size, the most small size is 239x239 can run. if i train from premodel the size must 299x299 can run.

Thank you very much for your reply！

from caffe-model.

This error is caused by the different feature maps rounding methods of the convolution layer and the pooling layer in caffe.
I think https://github.com/BVLC/caffe/pull/3057/files may be useful for you

from caffe-model.

路过，其实LZ可以用中文问，应该没问题的。。。
(@yja1 you can ask your questions in Chinese...)

引起这个问题的根本原因在于Inception的精细设计，和原始Caffe之间的一小点不兼容。
Caffe的Conv在计算Feature Map的时候使用floor函数取整，而Pooling是使用ceil函数取整。
Inception虽然是全卷积的网络，但是其精细的设计（Conv和Pooling并行降采样Concat），要求在输入的时候要求Input size尽量是32x+43这样的一个数值（对应299的输入，x=8）。在Caffe中，当输入不是这样数值的时候，Conv和Pooling并行降采样时候，输入大小相同，但是取整函数不同导致输出大小不相同，所以报shape的错。

所以，PR3057在考虑对以往Caffe兼容性的前提下，给Pooling层引入一个新的参数ceil_mode（默认true兼容以前的模型），来判断Pooling的时候到底是采用floor还是ceil取整。这样可以更好地处理TensorFlow和Torch训练转换过来的模型（因为它们的Pooling默认是用floor取整的）。

from caffe-model.

@shicai 哈哈，确实中文问就好了
caffe这点确实很烦人，感谢你的补充

from caffe-model.

可以跑了。谢谢啦~ （我问的时候还寻思呢，是用中文呢，让大神去翻译再回答，还是用自己的农村英语呢）

from caffe-model.

@soeaver @yja1 您好！我在训练inception-v4时并没有报这个错误，但是在测试阶段却报：
Check failed: top_shape[j] == bottom[i]->shape(j) (25 vs. 26) All inputs must have the same shape, except at concat_axis.
按照https://github.com/BVLC/caffe/pull/3057/files的方法修改并重新编译caffe后还是报同样的错误，我的input size为224*224，这是为什么呢

from caffe-model.

是否要将设置ceil_mode改为false呢？在哪修改呢？

from caffe-model.