به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام. همونطور که مشخصه در کفی کراس ولیدیشن انجام نمیشه.
یعنی من میخاستم یه سری داده un seen رو بعد از اینکه فاین تیون کردم و با داده های ترین و تست وزن caffemodel بدست اوردم،، به شبکه بدم. و خروجی شبکه رو ببینم که چقدر درسته. چیکار باید بکنم. لطفا راهنمایی کنید ممنون میشم

توسط (150 امتیاز)

1 پاسخ

0 امتیاز
 
بهترین پاسخ

سلام
شما میتونید انجام بدید اما دردسر داره.مثلا میتونید از قابلیت stage استفاده کنید. اینجا باید برای هر مرحله یه دیتاست بسازید بعد خیلی معمولی تو لایه دیتا با stage مشخص میکنید هر فاز رو مثلا اینطور :

name: "CIFAR10"
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    crop_size: 32
  }
  data_param {
    source: "examples/cifar10/cifar10_train_leveldb_padding"
    batch_size: 64
    backend: LEVELDB
  }
}

name: "CIFAR10"
state {
  phase: TEST
  stage: "val"
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mirror: true
    crop_size: 32
  }
  data_param {
    source: "examples/cifar10/cifar10_val_leveldb_padding"
    batch_size: 64
    backend: LEVELDB
  }
}

name: "CIFAR10"
state {
  phase: TEST
  stage: "test"
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mirror: true
    crop_size: 32
  }
  data_param {
    source: "examples/cifar10/cifar10_test_leveldb_padding"
    batch_size: 64
    backend: LEVELDB
  }
}

در سالور هم بصورت زیر تنظیمات رو مشخص میکنید

test_iter: 50
test_state: { stage: "valset" }

test_iter: 25
test_state: { stage: "testset" }

اینطور مدل رو میتونید روی ولیدیشن و همینطور تست ست خروجیش رو داشته باشید.

اگه ترین کردید و مدل دارید یعنی یه کفی مادل بدست اوردید میخوایید روی دیتای جدید تست کنید و حوصله کار بالا رو هم ندارید علاوه بر انجام تست بصورتی که تو ipynb در پوشه اگزمپلا اومده (باید با python کار کنید) میتونید از سویچ test استفاده کنید. یعنی یه دیتاست از اون تصاویر داشته باشید بعد با دستور زیر دقت شبکه رو روی اون بدست بیارید :

"caffe.exe" test -model examples/cifar10/cifar10_train_test.prototxt -weights examples/cifar10/snaps/Cifar10_iter_14.caffemodel -gpu 0 -iterations 100
pause

اون prototxt هم همون شبکه شماست با این تفاوت که بخش test ش دیتاست جدید شما رو داره تو خودش. ایتریشن اخر هم که میبینید بر اساس بچ سایزی هست که مشخص کردید . قبلا در این باره تو سایت در بخش اموزش کفی توضیح داده شده. اونجا رو چک کنید.

توسط (4.3k امتیاز)
انتخاب شده توسط
...