Computer vision 深度学习-在Conv网络模型上进行微调

Computer vision 深度学习-在Conv网络模型上进行微调,computer-vision,neural-network,deep-learning,caffe,imagenet,Computer Vision,Neural Network,Deep Learning,Caffe,Imagenet,我正在使用Alexnet架构对图像网络模型进行微调。我的数据集非常小(每个类7张图像,没有增加)。我必须去掉最后一个FC层(“FC8”)的权重,但是其他完全连接的层呢。对于“FC6”和“FC7”我应该使用来自图像网络模型的权重还是从随机初始化?所有三个FC层的学习率均为5。由于训练示例太少,我建议修复所有层(conv、fc6和fc7)的权重,并使用线性支持向量机训练最后一层。大多数支持向量机训练包和算法都使用全局凸优化,在这种情况下可能会产生比SGD更好的结果

我正在使用Alexnet架构对图像网络模型进行微调。我的数据集非常小(每个类7张图像,没有增加)。我必须去掉最后一个FC层(
“FC8”
)的权重,但是其他完全连接的层呢。对于
“FC6”
“FC7”
我应该使用来自图像网络模型的权重还是从随机初始化?所有三个FC层的学习率均为5。

由于训练示例太少,我建议修复所有层(conv、fc6和fc7)的权重,并使用线性支持向量机训练最后一层。大多数支持向量机训练包和算法都使用全局凸优化,在这种情况下可能会产生比SGD更好的结果