PRIS-CV
训练结果准确度无法提升问题请教？
训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下：
| epoch | train_acc | train_loss |
|---|---|---|
| 3 | 0.3504 | 5.3009 |
| 4 | 0.317 | 5.3007 |
| 51 | 0.367 | 5.2985 |
| 52 | 0.4171 | 5.2985 |
我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：
out = self.conv1(x)
out = self.bn1(out)
out = self.relu(out)
out1 = out
out = self.conv2(out)
out = self.bn2(out)
out = self.relu(out)
if self.use_bp:
#丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？
out2 = out[:, :32, :, :]
bilinear_features = self.bilinear_pooling(out1, out2)
return out1, out2, bilinear_features
训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下：
epoch train_acc train_loss 3 0.3504 5.3009 4 0.317 5.3007 51 0.367 5.2985 52 0.4171 5.2985 我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：
out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out1 = out out = self.conv2(out) out = self.bn2(out) out = self.relu(out) if self.use_bp: #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？ out2 = out[:, :32, :, :] bilinear_features = self.bilinear_pooling(out1, out2) return out1, out2, bilinear_features
1）经过多次重复实验，代码没有问题，请检查数据集或环境是否有误； 2）训练结果请参考论文； 3）这里输出前32通道是参考的其他代码，具体请见WS_DAN
训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下：
epoch train_acc train_loss 3 0.3504 5.3009 4 0.317 5.3007 51 0.367 5.2985 52 0.4171 5.2985 我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：
out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out1 = out out = self.conv2(out) out = self.bn2(out) out = self.relu(out) if self.use_bp: #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？ out2 = out[:, :32, :, :] bilinear_features = self.bilinear_pooling(out1, out2) return out1, out2, bilinear_features
同样的情况，训练数据集是Cars，第一个epoch是0.6%，30个epoch时准确率0.83%损失6.12基本不变化了，也是感觉没学习到，数据集检查过没问题，也用这个数据集训练过其他代码，请问您的问题解决了么？
训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下： epoch train_acc train_loss 3 0.3504 5.3009 4 0.317 5.3007 51 0.367 5.2985 52 0.4171 5.2985 我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：
out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out1 = out out = self.conv2(out) out = self.bn2(out) out = self.relu(out) if self.use_bp: #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？ out2 = out[:, :32, :, :] bilinear_features = self.bilinear_pooling(out1, out2) return out1, out2, bilinear_features同样的情况，训练数据集是Cars，第一个epoch是0.6%，30个epoch时准确率0.83%损失6.12基本不变化了，也是感觉没学习到，数据集检查过没问题，也用这个数据集训练过其他代码，请问您的问题解决了么？
1）经过多次重复实验，代码没有问题，请检查数据集或环境是否有误； 2）bird测试结果如下： epoch, test_acc,test_loss 0, 59.6479,2.4731 1, 75.5264,1.8175 2, 79.6686,1.5639 3, 82.4991,1.4433 4, 83.2758,1.3779 ... 91, 87.6079,0.9748 92, 88.2637,0.9728 93, 87.8840,0.9739
