convnet #1

Open
opened 2019-03-12 11:53:52 +08:00 by yuanqin27 · 7 comments
yuanqin27 commented 2019-03-12 11:53:52 +08:00 (Migrated from github.com)

train.py里的from convnet import ConvNet,convnet 在哪?

train.py里的from convnet import ConvNet,convnet 在哪?
Arctanxy commented 2019-03-14 21:14:57 +08:00 (Migrated from github.com)

train.py里的from convnet import ConvNet,convnet 在哪?

把convnet改成model就可以了

另外,我训练HWDB的时候,模型的loss老是会停留在8.231左右(我自己写的模型也是这样,但是用ImageNet预训练的resnet就不会有这种情况),你有没有碰到这种情况?

> train.py里的from convnet import ConvNet,convnet 在哪? 把convnet改成model就可以了 另外,我训练HWDB的时候,模型的loss老是会停留在8.231左右(我自己写的模型也是这样,但是用ImageNet预训练的resnet就不会有这种情况),你有没有碰到这种情况?
yuanqin27 commented 2019-03-15 09:21:27 +08:00 (Migrated from github.com)

我换成TensorFlow版本的了,在checkpoint上训练后结果还可以

我换成TensorFlow版本的了,在checkpoint上训练后结果还可以
JiageWang commented 2019-08-25 19:59:52 +08:00 (Migrated from github.com)

train.py里的from convnet import ConvNet,convnet 在哪?

把convnet改成model就可以了

另外,我训练HWDB的时候,模型的loss老是会停留在8.231左右(我自己写的模型也是这样,但是用ImageNet预训练的resnet就不会有这种情况),你有没有碰到这种情况?

对对对,我也是这种情况,加深模型后会提前收敛,我改了一个用深度可分离卷积和带残差的网络收敛相对比较快了。但还是不清楚原因,希望有大佬给出解答

> > train.py里的from convnet import ConvNet,convnet 在哪? > > 把convnet改成model就可以了 > > 另外,我训练HWDB的时候,模型的loss老是会停留在8.231左右(我自己写的模型也是这样,但是用ImageNet预训练的resnet就不会有这种情况),你有没有碰到这种情况? 对对对,我也是这种情况,加深模型后会提前收敛,我改了一个用深度可分离卷积和带残差的网络收敛相对比较快了。但还是不清楚原因,希望有大佬给出解答
JiageWang commented 2019-08-25 20:00:38 +08:00 (Migrated from github.com)

我换成TensorFlow版本的了,在checkpoint上训练后结果还可以

你的模型结构换了吗,难道是框架的问题吗

> 我换成TensorFlow版本的了,在checkpoint上训练后结果还可以 你的模型结构换了吗,难道是框架的问题吗
yzq170320 commented 2019-10-16 14:23:27 +08:00 (Migrated from github.com)

@yuanqin27 方便提供一下TensorFlow版本的代码吗?

@yuanqin27 方便提供一下TensorFlow版本的代码吗?
zhouguanghui001 commented 2020-05-08 09:46:16 +08:00 (Migrated from github.com)

我的也不收敛呢

我的也不收敛呢
zhouguanghui001 commented 2020-05-08 11:07:59 +08:00 (Migrated from github.com)

换成resnet18下降很快呢

换成resnet18下降很快呢
Sign in to join this conversation.
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: dearsky/hand-writing-recognition#1