PROSAGA码农传奇-图像索引-Caffe

<div class =“post-text”itemprop =“text”>
  <H3>
    发现问题：
  </H3>
  <P>
    看着
    <a href="https://stackoverflow.com/questions/40510706/how-to-interpret-caffe-log-with-debug-info?noredirect=1&lq=1">
      调试日志
    </A>
     你贴了，你可以清楚地看到出了什么问题：
  </p>
  <BLOCKQUOTE>
     <pre>
      <code>
        ...] [Forward] Layer conv1, top blob conv1 data: 3.80577     # looks good - non-zero signal 
...] [Forward] Layer conv1, param blob 0 data: 0.00792726    # non-zero kernels 
...] [Forward] Layer conv1, param blob 1 data: 0             # bias (not so important)
.
.
.
...] [Forward] Layer conv2, top blob conv2 data: 0           # no output signal !!!
...] [Forward] Layer conv2, param blob 0 data: 0             # kernels are all zero !!!
...] [Forward] Layer conv2, param blob 1 data: 0

</code>
    </pre>
  </BLOCKQUOTE>
  <P>
    内核（权重）
     <code>
      conv2
    </code>
     都是零，因此你有从这一层出来的所有零点blob，从那里的一切都是零 - 你不能这样学习。
  </p>
  <H3>
    为什么会这样？
  </H3>
  <P>
    让我们仔细看看方式
     <code>
      conv1
    </code>
     （好的一层）和
     <code>
      conv2
    </code>
     （坏图层）在您的prorotxt中定义：
  </p>
  <BLOCKQUOTE>
     <pre>
      <code>
        layers {
  name: "conv1"
  type: CONVOLUTION
  bottom: "data"
  top: "conv1"
  convolution_param {
    num_output: 96
    kernel_size: 7
    stride: 2
    weight_filler {
        type: "gaussian" 
        std: 0.01        
      }
      bias_filler {
        type: "constant" 
        value: 0
      }
  }
}
.
.
.
layers {
  name: "conv2"
  type: CONVOLUTION
  bottom: "pool1"
  top: "conv2"
  convolution_param {
    num_output: 256
    pad: 2
    kernel_size: 5
  }
}

</code>
    </pre>
  </BLOCKQUOTE>
  <P>
    你能看到区别么？
    <BR/>
    
而
     <code>
      conv1
    </code>
     具有
     <code>
      weight_filler
    </code>
     定义的（
     <code>
      type: gaussian
    </code>
    ）
     <code>
      conv2
    </code>
     没有
     <code>
      weight_filler
    </code>
    ！默认情况下，Caffe初始化内核/权重
     <code>
      conv2
    </code>
     为零，一切都从那一点开始向南......
  </p>
</DIV>

Caffe - 网络不学习