将CNN模型从Matlab（Matconvnet）导入Python（Keras）

我正在使用Matconvnet上的Matconvnet对CNN进行二元分类。现在，我正试图通过Python上的Keras实现这一点。网络一点也不复杂，我在Matconvnet上实现了96%的准确率。然而，对于Keras，即使我尽了最大努力确保每个设置都与以前完全相同，我也无法得到相同的结果。或者更糟糕的是，模型根本不起作用

以下是有关设置的一些详细信息。任何想法或帮助都将不胜感激

• 输入
  图像大小为20*20。培训规模为400，测试规模为100，验证规模为132
  • Matconvnet：以20*20*样本大小方法存储的图像
  • Keras：以样本大小*20*20*1方法存储的图像
• CNN结构 （3*3）*3 conv-（2*2）maxpooling-完全连接-softmax-logloss
  • Matconvnet：使用卷积层而不是完全连接层。代码如下：

    function net = initializeCNNA()
    f=1/100 ;
    net.layers = {} ;
    net.layers{end+1} = struct('type', 'conv', ...
               'weights', {{f*randn(3,3,1,3, 'single'), zeros(1,   3, 'single')}}, ...
               'stride', 1, ...
               'pad', 0) ;    
    net.layers{end+1} = struct('type', 'pool', ...
               'method', 'max', ...
               'pool', [2 2], ...
               'stride', 2, ...
               'pad', 0) ;
    net.layers{end+1} = struct('type', 'conv', ...
               'weights', {{f*randn(9,9,3,2, 'single'),                                                  zeros(1,2,'single')}}, ...
               'stride', 1, ...
               'pad', 0) ;
    net.layers{end+1} = struct('type', 'softmaxloss') ;    
    net = vl_simplenn_tidy(net) ;
    

  • 凯拉斯：

model=Sequential（）
add（Conv2D（3，（3,3），kernel\u初始值设定项=\
keras.initializers.RandomNormal（平均值=0.0，标准差=0.1，种子值=None），输入形状=输入形状）
add（MaxPooling2D（池大小=（2,2），跨步=（2,2）））
model.add（展平（））
模型添加（密集（2，激活='softmax'\
kernel_initializer=keras.initializers.RandomNormal（平均值=0.0，stddev=0.1，seed=None）））

• 损失函数
  • Matconvnet:

    softmaxloss

  • Keras:

    二进制交叉熵

• 优化器
  • Matconvnet:SGD

    trainOpts.batchSize = 50;
    trainOpts.numEpochs = 20 ;
    trainOpts.learningRate = 0.001 ;
    trainOpts.weightDecay = 0.0005 ;
    trainOpts.momentum = 0.9 ;
    

  • 克拉斯：新加坡元

    sgd = optimizers.SGD(lr=0.001, momentum=0.9, decay=0.0005)
    model.compile(loss='binary_crossentropy',
    optimizer=sgd,
    metrics=['accuracy'])
    

• 初始化：过滤器：N（0,0.1），偏差：0
• 标准化：除了标准化之外，没有批量标准化，而输入图像的平均值为0，标准值为1

以上是我为确保正确复制而检查的方面。但我不明白为什么它对Keras不起作用。以下是一些猜测：

• Matconvnet使用卷积层而不是完全连接层，这可能意味着某种更新参数的奇特方法
• 他们使用不同的算法来应用参数含义不同的SGD

我还做了其他尝试：

• 将Keras中的优化器更改为

  Adadelta（）

  。没有改善
• 改变网络结构，使之更深入。它起作用了
  但我仍然想知道为什么Matconvnet可以用一个简单得多的方法获得这样好的结果

“Matconvnet使用卷积层而不是完全连接层，这可能意味着某种更新参数的奇特方式。”

不。从技术上讲，卷积层和完全连接层之间应该没有区别。我很确定没有什么新奇的方法来更新参数

更多评论即将发布

本文中的一些讨论可能有助于： “Matconvnet使用卷积层而不是完全连接层，这可能意味着采用某种奇特的方法来更新参数。”

不。从技术上讲，卷积层和完全连接层之间应该没有区别。我很确定没有什么新奇的方法来更新参数

更多评论即将发布

本文中的一些讨论可能有助于：