caffe下訓練時遇到的一些問題匯總

 

1、報錯：“db_lmdb.hpp:14] Check failed:mdb_status ==0(112 vs.0)磁盤空間不足。”

這問題是由於lmdb在windows下無法使用lmdb的庫，所以要改成leveldb。

---

但是要注意：由於backend默認的是lmdb，所以你每一次用到生成的圖片leveldb數據的時候，都要把“--backend=leveldb”帶上。如轉換圖片格式時：

 

又如計算圖像的均值時：

 

---

還有在.prototxt中

data_param {
                      source: "./mysample_val_leveldb"
                      batch_size: 100
                      backend: LEVELDB     //這個也要改掉的，原來是LMDB
                    }

 

2、caffe下使用“bvlc_reference_caffenet”模型進行訓練時，出現了“Check failed:data_”

 

這個問題是由於訓練樣本的圖像尺寸太小了，以至於到pool5池化層的時候輸入的尺寸已經小於kernel的大小了，進而下一步輸入編程了0x0，因此會報錯。

解決的方法是要么在歸一化圖像尺寸時足夠大（小於64*64好像就不行了），要么換用另一種模型（如果圖像本身就小，放大圖像會丟失圖像特征，此時可嘗試使用Cifar10模型）

 

3、caffe訓練時遇到loss一直居高不下時：

http://blog.sina.com.cn/s/blog_141f234870102w941.html

---

我利用caffe訓練一個基於AlexNet的三分類分類器，將train_val.prototxt的全連接輸出層的輸出類別數目改為3，訓練一直不收斂，loss很高；當把輸出改成4或1000（>3）的時候，網絡可以收斂。也就是caffenet結構的輸出層的類別數一定要大於我訓練集的類別數才可以收斂！后來查了半天才發現原因，讓我淚奔。。。

原來我把圖像類型的label設置成1,2,3，改成0,1,2后，最后全連接層的輸出改為3就OK了。

---

 

 

待更新...！