一.云从API使用

# -*- coding: utf-8 -*-
"""
Spyder EditorThis is a temporary script file.
""""""
Created on Fri Oct 21 20:58:16 2016@author: berwin
"""
import requests
import base64import sys
sys.path.append('/usr/local/lib/python2.7/dist-packages')import cv2img_file_name='test2.jpg'
img = cv2.imread(img_file_name)imgEncode = cv2.imencode('.png',img)[1]
imgBase64 = base64.b64encode(imgEncode)#云从API
param = {'app_id': '','app_secret': '','img': imgBase64}
r = requests.post('http://120.25.161.56:7000/face/tool/keypt', param)
#    print(r.text)faces=r.json()['faces']
file_name=img_file_name.split('.')[0]
frame_file=open('frame_'+file_name,'w')
keypt_file=open('keypt_'+file_name,'w')for face_id,face in enumerate(faces):x = int(face['x'])y = int(face['y'])w = int(face['width'])h = int(face['height'])cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),1)frame_file.write(str(face_id)+' '+str(face['x'])+' '+str(face['y'])+' '+str(face['width'])+' '+str(face['height'])+'\n')for point_id,point in enumerate(face['keypt']):cv2.circle(img, (int(point['x']), int(point['y'])), 1, (0,0,255), -1)keypt_file.write(str(face_id)+' '+str(point_id)+' '+str(point['x'])+' '+str(point['y'])+'\n')
cv2.imshow('faces', img)
cv2.waitKey()
cv2.destroyAllWindows()
frame_file.close()
keypt_file.close()

结果如下：

二.对比实验

1.不同的BatchSize影响

batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练。不同的batchsize对训练都会产生不同的影响。
实验一使用的batchsize为默认值100，结果为out2所示，batchsize为500时，结果为out所示，我们可以看出当batchsize增加的时候，loss下降的更加稳定，抖动不严重。具体理论可见知乎的讨论<https://www.zhihu.com/question/32673260>
常见的网络训练时，不同的batchsize选择如下：AlexNet 256，VGG 8，GoogleNet 32。

2.给cifar10网络添加batchnormalization

 什么是batchnormalization?bn是google 2015年出来的一种方法，目的是加速训练时候的收敛。论文参考<https://arxiv.org/pdf/1502.03167v3.pdf>他主要是想把网络每一层的输入都还原到0均值单位方差的情况，我们之前通过减均值的方法，

也是这样的一个目的，但这样只能在模型的输入做，并不能对后面其他层有这样的效果。加了bn我们的网络结构如下：

训练结果如下：

out_bn是加了bn的结果，我们可以看出cifar加了bn并没有使loss下降的更快，只是loss下降的比较平缓，这应该是
这个网络太小的原因，也就是说对于小网络，加不加bn对训练结果影响不大，加了Bn只会着增加计算负载。

batchsize实验相关推荐

tf.argmax函数
原文链接:https://blog.csdn.net/u013580539/article/details/79339250 关于tf.argmax,我看到网上的资料有些杂乱难以理解,所以写这篇文章. ...
sklearn学习笔记（一）——数据预处理 sklearn.preprocessing
python sklearn 更多个人分类: Python 数据处理 sklearn 数据预处理 sklearn.preprocessing 查看全文 http://www.taodudu.cc/n ...
「AI不惑境」学习率和batchsize如何影响模型的性能？
https://www.toutiao.com/a6712708989177561611/ 大家好,这是专栏<AI不惑境>的第四篇文章,讲述学习率以及batchsize与模型性能的关系. ...
【技术实验】表格存储Tablestore准实时同步数据到Elasticsearch
实验背景图书馆Q是一家大型图书馆,图书馆藏书众多,纸质图书600多万册,电子图书7000多万册,总数有八千多万册,这些图书之前都是人工检索维护的,现在需要做一个系统来存储管理这些图书信息. 需求如下 ...
神经网络调参batchsize对网络性能影响
本文设计了一个81*60*2的神经网络结构,并将学习率固定为0.1,噪音比例控制在0,批次数量200,每批迭代次数10000次,每10批进行一次测试,并逐渐的改变batchsize观察batchsiz ...
【AI不惑境】学习率和batchsize如何影响模型的性能？
大家好,这是专栏<AI不惑境>的第四篇文章,讲述学习率以及batchsize与模型性能的关系. 进入到不惑境界,就是向高手迈进的开始了,在这个境界需要自己独立思考.如果说学习是一个从模仿, ...
深度学习中学习率（lr：learn rate）和batchsize如何影响模型性能？
引用自:学习率和batchsize如何影响模型的性能? 文章目录 1 为什么说学习率和batchsize 2 学习率如何影响模型性能? 2.1.初始学习率大小对模型性能的影响 2.2.学习率变换策略对 ...
信息抽取（五）实体命名识别之嵌套实体识别哪家强，我做了一个简单的对比实验
实体命名识别之嵌套实体识别哪家强嵌套实体识别实体矩阵构建框架方法比较 GlobalPointer TPLinker Tencent Muti-head Deep Biaffine 实验结果总结 ...
Batchsize不够大，如何发挥BN性能？探讨神经网络在小Batch下的训练方法
由于算力的限制,有时我们无法使用足够大的batchsize,此时该如何使用BN呢?本文将介绍两种在小batchsize也可以发挥BN性能的方法. 本文首发自极市平台,作者 @皮特潘,转载需获授权. 前 ...

batchsize实验

一.云从API使用

二.对比实验

1.不同的BatchSize影响

2.给cifar10网络添加batchnormalization

batchsize实验相关推荐

最新文章

热门文章