Machine learning 如何在训练更快的R-CNN时固定共享卷积层_Machine Learning_Neural Network_Deep Learning_Caffe_Pycaffe

Machine learning 如何在训练更快的R-CNN时固定共享卷积层

machine-learning neural-network deep-learning

Machine learning 如何在训练更快的R-CNN时固定共享卷积层,machine-learning,neural-network,deep-learning,caffe,pycaffe,Machine Learning,Neural Network,Deep Learning,Caffe,Pycaffe,我正在看报纸。在（第6页，第二列，第一段）中，说明卷积层是固定的（在第三和第四步的训练期间），并调整了RPN层和快速RCNN层代码的哪一部分正在处理它我查看了代码，Solver.cpp是控制向前/向后的。我没有看到修复卷积层的实现然后，所有prototxt文件都有类似的层实现如何在训练中固定卷积层？在微调过程中冻结层时，通常会设置 param { lr_mult: 0 } 对于该层，这样caffe不会更新该层的权重。查看层的lr\u mult是的，我发现lr\u mult为0。谢谢

我正在看报纸。在（第6页，第二列，第一段）中，说明卷积层是固定的（在第三和第四步的训练期间），并调整了RPN层和快速RCNN层

代码的哪一部分正在处理它

我查看了代码，Solver.cpp是控制向前/向后的。我没有看到修复卷积层的实现

然后，所有prototxt文件都有类似的层实现

如何在训练中固定卷积层？

在微调过程中冻结层时，通常会设置

param { lr_mult: 0 }

对于该层，这样caffe不会更新该层的权重。

查看层的

lr\u mult

是的，我发现lr\u mult为0。谢谢