machine-learning - 求解器参数 'test_iter' 在测试阶段更改标签值

Question

我正在使用Caffe构建和研究卷积神经网络的框架。

我偶然发现了(我认为是)一个错误。 (我已经在 Github 上报告过。)

这就是问题所在:在测试阶段，标签值会根据 test_iter 的值发生变化。参数(在求解器 .prototxt 文件中定义)。

<小时/>

我正在使用 10240 张图像来训练和测试网络。每个图像有 38 个标签，每个标签可以有两个(0 或 1)值。我使用 HDF5 文件格式将图像数据和标签导入 Caffe；每个文件存储 1024 张图像及其各自的标签。 (我已经检查了 HDF5 文件，一切都正确。)

我使用 9216 个(= 9 个文件)图像进行训练，使用 1024 个图像(= 1 个文件)进行测试。我的 Nvidia 540M 显卡只有 1GB 内存，这意味着我必须批量处理(通常每批 32 或 64 个图像)。

我正在使用以下网络来重现问题:

# in file "BugTest.prototxt"
name: "BugTest"
layer {
    name: "data"
    type: "HDF5Data"
    top: "data"
    top: "label"
    hdf5_data_param {
        source: "./convset_hdf5_train.txt"
        batch_size: 32
    }
    include {
        phase: TRAIN
    }
}
layer {
    name: "data"
    type: "HDF5Data"
    top: "data"
    top: "label"
    hdf5_data_param {
        source: "./convset_hdf5_test.txt"
        batch_size: 32
    }
    include {
        phase: TEST
    }
}
layer {
    name: "silence"
    type: "Silence"
    bottom: "data"
}

该网络仅输出所有标签值。我对此网络使用以下求解器:(大部分是从我的真实网络复制的。)

# In file "BugTest_solver.prototxt"
net: "BugTest.prototxt"
test_iter: 32
test_interval: 200
base_lr: 0.0001
momentum: 0.90
weight_decay: 0.0005
lr_policy: "inv"
gamma: 0.0001
power: 0.75
display: 100
max_iter: 10000
snapshot: 5000
snapshot_prefix: "./bt"
solver_mode: GPU

通过更改 batch_size 得到以下结果和test_iter参数。根据this教程，batch_size测试数据和test_iter求解器中应进行平衡，以确保在测试期间使用所有测试样本。就我而言，我将确保 batch_size * test_iter = 1024 .

这些是我更改值时的结果:
batch_size = 1024, test_iter = 1 : 一切都好。
batch_size = 512, test_iter = 2 :标签从“1”更改为“0.50”。
batch_size = 256, test_iter = 4 :标签“1”更改为“0.50”或“0.25”
batch_size = 128, test_iter = 8 :标签“1”更改为“0.50”或“0.25”或“0.125”
[...]:这种模式仍在继续。

<小时/>

测试过程中发生了什么会影响标签的值？我只是简单地解释 batch_size 的使用吗？和test_iter错了，还是我遗漏了其他东西？

Answer 1

输出日志中显示的结果是迭代的平均值，因此如果您有 2 个迭代标签，则其中一个的平均值为 0.5。

因此，如果批量大小为 1024，则显示 1024 个输出，一切正常。当批量大小为 512 时，仅显示 512 个输出，每个输出是两个标签的平均值，即 i-th 和 i+512- th 标签，很可能标签不共存。

为了验证这一点，您可以安排测试数据，使标签 1 放置在偶数位置，因此当更改批量大小时，标签 1 仍然重合，并且输出应该恰好为 1。