開發平台(Platform): (Ex: VC++, GCC, Linux, ...)
Linux, Tensorflow
額外使用到的函數庫(Library Used): (Ex: OpenGL, ...)
OpenCV
問題(Question)：
目前做了一些實驗，放了VOC2007的Data set下去做學習
只訓練了分類問題，並把圖片類別調整只剩為單一類別
去做softmax的分類學習
network為 5層conv 與 3層fc
再來接到softmax_with_loss
最佳化使用GradientDescentOptimizer
learning rate = 0.005
而初始weigth and biases 的參數為random_normal
其設定參數stddev=0.1
實驗一 只考慮兩張圖(故意訓練到overfitting)
做了兩個部分的weight and biases value的init不同
會導致一個loss很高下不去，另一個則是會loss會降到很接近零
stddev=0.1 stddev=0.01
這種情況期其實想不通，麻煩各位大大指點
實驗二
10張圖 batch size 10的情況下(想訓練到overfitting)
拿了兩張圖片可以訓練到loss很小的參數來用
但是會撞到調整到某一次迭代後loss會變成超大
然後在下一次輸出的值就變成nan
但經由調整參數後又可以降到loss很小(並且可以對訓練資料預測正確)
實驗三
拿了整個VOC2007的訓練資料集做訓練
batch size一樣為10 訓練參數一樣 image就是整個訓練資料集
其解果同實驗二也會有一樣的情形
net的參數需要重新調整
想詢問的點是在於
這樣做實驗是否有問題?
如果image、batch size的數量不同，
初始參數也要跟著調整這樣真的合理嗎?
餵入的資料(Input)：
VOC2007訓練資料結果
預期的正確結果(Expected Output)：
預測voc2007圖片正確的分類
錯誤結果(Wrong Output)：
學習無效 or 輸出結果突然變成nan
程式碼(Code)：(請善用置底文網頁, 記得排版)
補充說明(Supplement)：