在我的论文中,我试图用tensorflow(V1.14)评估不同参数对我的主动学习对象检测器的影响。你知道吗
因此,我使用更快的rcnn\u inception\u v2\u coco标准配置从模型动物园和一个固定的随机种子(1). 你知道吗
为了确保我有一个有效的基线实验,我试着用相同的数据集、学习时间、池大小等运行对象检测器两次。你知道吗
不管怎样,20个主动学习周期后绘制的两个图是完全不同的,如您所见: 有没有可能确保一个可比的神经网络性能?如果是,如何建立一个科学的实验设置,以比较参数变化的结果,如学习率,学习时间(这是一个约束在我们的积极学习周期!)池化。。。你知道吗
要在CPU培训时实现确定性,应满足以下条件:
<强>1。设置所有种子
<强>2。将CPU线程限制为一个
3岁。数据集分片
如果您使用的是
tf.data.Dataset
,那么请确保碎片的数量限制为一个。你知道吗4岁。渐变选通
对于确定性功能,某些类型的模型可能需要会话配置中的
gate_gradients=tf.train.Optimizer.GATE_OP
。你知道吗5岁。霍洛沃德
如果您使用Horovod使用两个以上的GPU进行训练,就像这样
为了更清楚地检查运行之间的确定性,我建议使用我记录的方法here。我还建议使用这种方法来确认初始重量(训练第一步之前)在两次跑步之间完全相同。你知道吗
有关TensorFlow中决定论的最新信息(使用GPU时重点关注决定论),请查看NVIDIA请我驾驶的tensorflow-determinism项目。你知道吗
相关问题 更多 >
编程相关推荐