在 CPU 上使用 mobilenetv2 的 cifar 10 数据集没有获得适当的准确性答案

【问题标题】：Not getting Proper Accurcacy for cifar10 dadatset with mobilenetv2 on CPU在 CPU 上使用 mobilenetv2 的 cifar 10 数据集没有获得适当的准确性
【发布时间】：2020-02-07 01:08:42
【问题描述】：

我尝试使用https://github.com/tensorflow/models/tree/master/research/slim 中提到的 cifar10 数据集训练 mobilenetV2

DATASET_DIR=/tmp/cifar10
TRAIN_DIR=/tmp/train_logs
python train_image_classifier.py \
--train_dir=${TRAIN_DIR} \
--dataset_name=cifar10 \
--dataset_split_name=train \
--dataset_dir=${DATASET_DIR} \
--model_name=mobilenet_v2 \
--clone_cpu=True

【问题讨论】：

标签： tensorflow tensorflow-slim mobilenet

【解决方案1】：

出于好奇，您指的是哪个声明的准确性？

所有这些网络要在 Cifar10 上进行良好训练而不进行更改，都需要将 Cifar10 上采样到 224x224（或类似）分辨率。 train_image_classifier 中应该有一个标志。

【讨论】：

github.com/kuangliu/pytorch-cifar/issues/29 引用此页面，根据我在 que （tf slim 模型）中指定的 github 链接中指定的训练步骤，他们没有对我已更改的图像大小的标志进行任何放大根据 cifar10 数据集增加到 32
我认为他们正在做另一次黑客攻击，他们将前两层设置为 1 。例如，请参阅github.com/kuangliu/pytorch-cifar/blob/master/models/…，它确实具有相同的效果。问题是，如果输入分辨率较低且步幅保持不变，则模型会退化为一堆完全连接的层，并且会疯狂地过拟合。
你知道了，但是他们有更多的参考表明更高的准确性

【解决方案2】：

Tq @Mark Sandler 他们做的黑客是正确的我得到了大约 93% 的准确率使用Stride 2enter image description here将前3层的步幅更改为总共5层中的1个@

文件链接是：https://github.com/tensorflow/models/blob/master/research/slim/nets/mobilenet/mobilenet_v2.py

【讨论】：