這段時間使用遷移學習的方法，使用vgg16模型訓練自己的資料集，現將在訓練過程中遇到的問題記錄下來：
1、不改變vgg16模型的網路結構，來訓練自己的資料集。這部分都是照著網上一步一步來，沒有什麼大的問題，就是要特別要注意base_lr（學習率的設定），這個設定的不對在訓練過程中會出現不收斂的情況。
2、改變vgg16模型，來訓練自己的資料集。這個時候可以使用遷移學習也可以不使用遷移學習，使用不適用遷移學習主要是在vgg_train.bat中是否有--weights=c:/caffe/caffe-master/examples/vggface/vgg_face.caffemodel此行**。這部分我依然使用的是遷移學習的方法，這個時候一定明白在訓練的過程中你的訓練次數時候足夠，我用的是小樣本進行訓練，總共是200張**一共40個人，batch_size設定為3，max_iter最大迭代次數為600，訓練後準確率一直很低而且loss值一直下不去。之後看了一些文章和問問同學後發現是我的batch_size設定的太小，這就相當於我只訓練個1800張**這是遠遠不夠的。
關於batch_size的介紹可以看看這篇文章：
caffe模型訓練小技巧
一 學習率調整 乙個對於排程學習率的建議 如果在驗證集上效能不再增加就讓學習率除以2或者5，然後繼續，學習率會一直變得很小，到最後就可以停止訓練了 二 finetun微調 finetune的過程相當於繼續訓練，跟直接訓練的區別是初始化的時候 a.直接訓練是按照網路定義指定的方式初始化 如高斯隨機初始...
caffe模型訓練batch size設定
batch size 批尺寸 是機器學習中乙個重要引數，涉及諸多矛盾，下面逐一展開。batch 的選擇，首先決定的是下降的方向。如果資料集比較小，完全可以採用全資料集 full batch learning 的形式，這樣做至少有 2 個好處 其一，由全資料集確定的方向能夠更好地代表樣本總體，從而更準...
caffe網路模型配置說明
參考 caffe模型需要兩個最重要的引數檔案 網路模型和引數模型，分別是 prototxt和 solver.prototxt檔案。本節介紹網路模型引數檔案說明，引數模型檔案說明參考 caffe引數模型配置說明 layer transform param data param name 表示該層的名稱...