最近，由於工作的需要，要使用caffe做深度學習分類。從安裝，到除錯，再到走通真是好費周折。好不容易能夠做分類了，結果不論輸入什麼，輸出的各個類別的概率都是一樣的。剛開始，我以為是輸入到網路裡的資料在**出問題了，於是將這些資料轉換成,果不其然。原來，我在使用多通道的時候用了gdal讀取資料，在重新組織資料的時候參考了網上的一篇微博，讀出的資料居然是有問題的。好鬱悶！於是我又自己重新寫了相關的**，輸入錯誤資料到網路中的問題解決，但是每個類輸出的概率還是老樣子！真是好奇怪，於是就將這事扔到了一邊，畢竟這種摸索真是太費時費力了。順便吐槽一下，程式設計師總是會因自己找到乙個bug興奮不已。有一次吃飯，一同事興奮的給我講起了他解決bug的心路歷程，最終發現，乙個庫應該是release版本的，而他使用了debug版本，原來就這麼簡單的事，同事早已樂的飯渣到處亂飛了。言歸正傳，我並沒有放棄，問了好多大牛，看了好多帖子，發現解決方法五花八門，但乙個都用不了！最後，無意間發現，在做分類的時候，載入model就行了，為啥還要載入個deploy，這多麻煩啊，後來想來想去，發現自己在做的時候用原來網路的deploy（我用的是alexnet），儘管在相關位置做了修改，但在網路載入的過程中會提示乙個當前層與模型中的層不能名稱重複的問題要rename this layer。當時，我在網上找的解決方法是將這些layer的名稱在deploy中給改了就可以了，但最終實踐證明，這是乙個坑！我正是跳這坑里了，於是趕緊找train_val如何轉deploy的方法，最終使用訓練模型的train_val來修改depoly,所有輸出結果都一樣的問題是解決了！
但是，事情還沒有結束！還是沒辦法使用模型分類。因為，在model訓練的時候，驗證精度很高，達到了85%以上，但用其他做分類測試的時候分類的概率總是第乙個類別的最高，換了好幾組不同的資料集做訓練，結果都一樣，還是第一類的概率最高！
有網友說是樣本不均勻所導致的，可是我的樣本每乙個類別的個數基本都一樣，也有說是過擬合了，但我減少迭代次數，得到的效果還是相同的。不知道是什麼原因，糾結啊！如果哪位遇到相同的問題，還請指教，我實在是找不出原因了。
我們都一樣
我們都一樣 作詞 苟慶 曹軒賓 作曲 曹軒賓 演唱 張杰 推開窗看見星星 依然守在夜空中 心中不免多了些暖暖的感動 一閃一閃的光 努力把黑夜變亮 氣氛如此安詳 你在我的生命中 是那最閃亮的星 一直在無聲夜空 守護著我們的夢 這世界那麼大 我的愛只想要你懂 陪伴我孤寂旅程 你知道我的夢 你知道我的痛 ...
我們都一樣
看見星星依然守在夜空中 心中不免多了些 暖暖的感動 一閃一閃的光 努力把黑夜點亮 氣氛如此安詳 你在我的生命中是那最閃亮的星 一直在無聲夜空 守護著我們的夢 這世界那麼大 我的愛只想要你懂 陪伴我無盡旅程 你知道我的夢 你知道我的痛 你知道我們感受都相同 就算有再大的風 也擋不住勇敢的衝動 努力的往...
傻瓜，我們都一樣。
今天你去時尚芭莎的party 了，他們都誇你帥無敵。今天qq 榜單更新了，你的傻瓜是內地巔峰榜第四。今天是感恩節，你發 了，你說 感恩節 都要快樂 今天上海一片晴好，我心情明媚！剛剛馨姐說 多有個性，他才 21 懂那麼多 她是你萬千親媽粉中相當親媽的乙個，她在為你萬年不變的 pose 辯解。剛剛朵朵...