Deep learning 在Caffe中对现有类别的图像进行再培训或微调

Deep learning 在Caffe中对现有类别的图像进行再培训或微调,deep-learning,caffe,Deep Learning,Caffe,我对咖啡馆很陌生,这可能是一个毫无意义的问题 我从零开始训练我的人际网络。它训练良好,在测试中获得了合理的精度。问题在于对这一网络进行再培训或微调。假设你有相同原始类别的新图像样本,你想用这些新图像来教网络(例如,网络无法预测这些特定图像) 据我所知,可以使用快照和解算器状态恢复训练,或仅使用训练模型的权重进行微调。在这种情况下,最好的选择是什么?。还是最好将原始图像和新图像一起重新训练网络 考虑一个可能的“增量培训”方案,因为在初始培训中并非某一特定类别的所有案例都可用。是否可以仅使用新样本重

我对咖啡馆很陌生,这可能是一个毫无意义的问题

我从零开始训练我的人际网络。它训练良好,在测试中获得了合理的精度。问题在于对这一网络进行再培训或微调。假设你有相同原始类别的新图像样本,你想用这些新图像来教网络(例如,网络无法预测这些特定图像)

据我所知,可以使用快照和解算器状态恢复训练,或仅使用训练模型的权重进行微调。在这种情况下,最好的选择是什么?。还是最好将原始图像和新图像一起重新训练网络

考虑一个可能的“增量培训”方案,因为在初始培训中并非某一特定类别的所有案例都可用。是否可以仅使用新样本重新训练网络?。在使用新样本进行训练时,我是否应该更改学习速率或保持任何参数,以保持预测的原始准确性?网络应该在微调后以相同的行为预测原始图像集

提前谢谢