epochs对训练结果的影响 |
您所在的位置：网站首页 › epoch参数设置 › epochs对训练结果的影响 |
epochs对训练结果的影响
|
1. batch_size,iteration,epochs对应关系
1.1 darkent中batch和最大迭代次数设置方法
#yolov3.cfg
# Training
batch=128
subdivisions=16
max_batches = 500200
batch = 128 表示没batch个样本更新一次参数 如果显存不够大，可以将batch进行划分成subdivisions份；网络会进行subdivisions前馈过程后，再进行一次后馈过程参数更新 因此，每次iteration能够处理的图片个数为：batch/subdivisions 如果你的图片总数为n，则完全epoch一次所有样本，需要的iteration = n*subdivisions/batch 一般情况下，epoch需要设置为200次以上，网络才会收敛 因此max_batches = epochnsubdivisions/batch 1.2 caffe 中batch设置方法 layer { name: "data" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { mirror: true mean_value:118 mean_value:95 mean_value:86 #scale: 0.00390625 #mean_file: "data/train_lmdb.binaryproto" } data_param { source: "data/train_lmdb" batch_size: 32 backend: LMDB } } max_iter: 100000 #最大迭代次数，参数意义同darknet的max_batches 1.3 centernet batch设置方法 python main.py ctdet --exp_id coco_dla --batch_size 32 --master_batch 15 --lr 1.25e-4 --num_epochs 200 --gpus 0,1batch_size 一次参数更新，处理的图片个数 num_epochs 对完整训练数据迭代的次数 master_batch batch_size中，分配给主GPU的的图片个数 2. epochs对训练结果的影响以实际场景的火灾检测为例，来看下不同epochs次数下，网络的测试验证结果 验证环境是 pytorch 环境下的centernet算法,数据格式为COCO，训练数据量为大概为两完整 算法训练结束后，会打印以下COCO检测指标训练结果 COCO检测指标 INFO HboxContainer: Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.791 INFO HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.564 INFO HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.768 INFO HboxContainer: Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.812 HboxContainer: DONE (t=17.93s). HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.766 HboxContainer: Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.954 HboxContainer: Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.607 HboxContainer: Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.379 HboxContainer: Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.726 HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.422 HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.664 HboxContainer: Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.829 指标意义 IoU=0.50表示IoU大于0.5被认为是检测到IoU=0.50:0.95，是一个范围值，表示IoU在0.5到0.95的范围内被认为是检测到small表示标注的框面积小于32 * 32medium表示标注的框面积大于small同时小于96 * 96large表示标注的框面积大于等于96 * 96all表示表示所以检测到的框，不论面积大小，都显示maxDets=100表示最大检测目标数为100基于以上测试指标的理解，我们统计了不同epochs下的，训练结果对比
如上结果所示，针对我们的测试数据，epochs在400次迭代的时候，训练结果达到基本稳定 |
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |