GoogLeNet の開始
1.0.0
src/nets/googlenet.py
で定義されています。src/models/inception_module.py
で定義されます。examples/inception_pretrained.py
にあります。examples/inception_cifar.py
にあります。事前トレーニング済みモデルのテスト用
CIFAR-10 をゼロからトレーニングする場合
inception_5a
に供給される前に 1 x 1 にダウンサンプリングされるため、これにより、インセプション レイヤーのマルチスケール構造があまり役に立たなくなり、パフォーマンスが低下します (精度は約80% )。マルチスケール構造を最大限に活用するために、最初の畳み込み層のストライドが 1 に減らされ、最初の 2 つの最大プーリング層が削除されます。特徴マップ (32 x 32 x チャネル) は、 inception_3a
に入力される前の論文の表 1 (28 x 28 x チャネル) で説明されているサイズとほぼ同じサイズになります。また、ストライドを減らすか、最大プーリング層を 1 つだけ削除することも試みました。ただし、現在の設定がテスト セットで最高のパフォーマンスを提供することがわかりました。examples/inception_pretrained.py
のセットアップ パス: PRETRINED_PATH
は、事前トレーニングされたモデルのパスです。 DATA_PATH
テスト用のイメージを配置するパスです。 examples/
に移動し、テスト イメージをフォルダーDATA_PATH
に配置して、スクリプトを実行します。
python inception_pretrained.py --im_name PART_OF_IMAGE_NAME
--im_name
、テストするイメージ名のオプションです。テスト画像がすべてpng
ファイルの場合は、 png
にすることができます。デフォルト設定は.jpg
です。examples/inception_cifar.py
のセットアップ パス: DATA_PATH
CIFAR-10 を配置するパスです。 SAVE_PATH
、概要ファイルとトレーニング済みモデルを保存またはロードするためのパスです。 examples/
に移動し、スクリプトを実行します。
python inception_cifar.py --train
--lr LEARNING_RATE
--bsize BATCH_SIZE
--keep_prob KEEP_PROB_OF_DROPOUT
--maxepoch MAX_TRAINING_EPOCH
SAVE_PATH
に保存されます。 CIFAR-10 で事前トレーニングされた 1 つのモデルをここからダウンロードできます。 examples/
に移動し、事前トレーニングされたモデルをSAVE_PATH
に置きます。次に、スクリプトを実行します。
python inception_cifar.py --eval
--load PRE_TRAINED_MODEL_ID
99
で、これは私がアップロードした値を示します。データソース | 画像 | 結果 |
---|---|---|
ココ | 1:確率:1.00、ラベル:ヒグマ、ブルーイン、ウルサス・アークトス 2:確率:0.00、ラベル:アイスベア、シロクマ 3:確率:0.00、ラベル:ハイエナ、ハイエナ 4:確率:0.00、ラベル:チャウ、チャウチャウ 5:確率:0.00、ラベル:ツキノワグマ、ツキノワグマ | |
ココ | 1: 確率: 0.79、ラベル: 道路標識 2: 確率: 0.06、ラベル: 信号機、交通信号、停止信号 3:確率:0.03、ラベル:パーキングメーター 4:確率:0.02、ラベル:郵便受け、郵便受け 5:確率:0.01、ラベル:バルーン | |
ココ | 1: 確率: 0.94、ラベル: トロリーバス、トロリーバス 2: 確率: 0.05、ラベル: 乗用車、客車、馬車 3:確率:0.00、ラベル:消防車、消防車 4: 確率: 0.00、ラベル: 路面電車、路面電車、路面電車、トロリー 5:確率:0.00、ラベル:ミニバス | |
ココ | 1: 確率: 0.35、ラベル: ブリトー 2:確率:0.17、ラベル:ポットパイ 3:確率:0.14、ラベル:マッシュポテト 4: 確率: 0.10、ラベル: プレート 5:確率:0.03、ラベル:ピザ、ピザパイ | |
イメージネット | 1:確率:1.00、ラベル:金魚、Carassius auratus 2:確率:0.00、ラベル:ロックビューティー、ホロカンサス トリコロール 3:確率:0.00、ラベル:ふぐ、ふぐ、ふぐ、ふぐ 4:確率:0.00、ラベル:テンチ、ティンカティンカ 5:確率:0.00、ラベル:クマノミ | |
セルフコレクション | 1:確率:0.32、ラベル:エジプト猫 2:確率:0.30、ラベル:トラ、トラ猫 3:確率:0.05、ラベル:トラネコ 4: 確率: 0.02、ラベル: マウス、コンピュータマウス 5:確率:0.02、ラベル:ペーパータオル | |
セルフコレクション | 1: 確率: 1.00、ラベル: 路面電車、路面電車、路面電車、トロリー、トロリーカー 2: 確率: 0.00、ラベル: 乗用車、客車、馬車 3: 確率: 0.00、ラベル: トロリーバス、トロリー客車、無軌道トロリー 4:確率:0.00、ラベル:電気機関車 5:確率:0.00、ラベル:貨車 |
トレーニングセットの学習曲線
テストセットの学習曲線
銭格