大家好，欢迎来到专栏《调参实战》，虽然当前自动化调参研究越来越火，但那其实只是换了一些参数来调，对参数的理解和调试在机器学习相关任务中是最基本的素质，在这个专栏中我们会带领大家一步一步理解和学习调参。
本次主要讲述图像分类项目中的学习率的调参实践。
作者&编辑 | 言有三
本文篇幅：3500字
背景要求：会使用Python和任一深度学习开源框架
附带资料：Caffe代码和数据集一份
同步平台：有三AI知识星球(一周内)
对于很多初入机器学习/深度学习领域的朋友来说，往往只会套用公开的模型，对参数的理解和调试非常欠缺经验，很多经验丰富的老鸟则往往自称“炼丹师”，这就是因为参数的调试对于模型性能的影响确实非常大，轻则损害模型性能，重则甚至使得模型无法正常收敛。
图像分类是整个计算机视觉领域中最基础的任务，实验起来比较简单，在学术界也常用于新模型的比较，因此我们选择图像分类任务来进行调参的学习。
本次项目开发需要以下环境：
(1) Linux系统，推荐ubuntu16.04或者ubuntu18.04。使用windows系统也可以完成，但是使用Linux效率更高。
(2) 最好拥有一块显存不低于6G的GPU显卡，如果没有使用CPU进行训练速度较慢。
(3) 安装好的Caffe开源框架。
下面我们首先介绍一下数据集和基准模型。
2.1 数据集
在计算机视觉领域中，MNIST，CIFAR，ImageNet常常被用于任务比较，但是它们都有各自的问题。MNIST和CIFAR数据集图像太小，与真实的计算机视觉任务相去甚远。ImageNet数据集超过100G，对于大部分个人研究者来说，不适合拿来快速进行学习验证。
基于此，我们选择了GHIM-10k数据集，这是一个图像检索数据集，包含20个类别，分别是日落，船舶，花卉，建筑物，汽车，山脉，昆虫等自然图像，各个类别拥有较好的多样性，而类别之间也有比较好的区分度。数据集共10000张图像，每个类别包含500张JPEG格式的大小为400×300或300×400的图像。
这个数据集有以下几个比较重要的优点。
(1) 数据集规模不大，获取也很容易，所有的读者都可以轻易验证我们的实验结果。
(2) 全部都是真实图片，来自于用户相机拍摄，而且图片清晰度足够高。
(3) 数据集多样性适中，包含了20类场景的自然场景，每一类的场景非常的均匀。图片的尺寸是300*400或者400*300，规格统一，符合大多数深度学习图像任务的处理分辨率，尤其是图像分类。
(4) 数据集类别分布非常的均匀，我们选择数据集的方式也是随机但均匀的选取。我们将数据集按照9:1的比率进行划分，训练集中包含20类，每一类450张图，测试集中包含20类，每一类50张图。
2.2 基准模型
如今深度学习模型已经有了非常多的变种，而它的本质并没有变，就是以卷积+非线性激活函数组成的基础单元进行叠加的模式。
经典的AlexNet是一个8层的网络，包含了5层卷积和3层全连接，这里我们也选择一个类似的模型，包括5层卷积，1层全局池化，1层全连接，因为公开的学术研究表明全连接层并不需要过多。
采用Caffe和Proto协议来定义网络，这样的模型配置可以手动进行，非常适合一边调试一边进行可视化，模型细节如下：
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
mirror: true
crop_size: 224
mean_value: 104.0
mean_value: 117.0
mean_value: 124.0
}
image_data_param {
source: "list_train_shuffle.txt"
batch_size: 16
shuffle: true
new_height: 256
new_width: 256
}
}
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
include {
phase: TEST
}
transform_param {
mirror: false
crop_size: 224
mean_value: 104.0
mean_value: 117.0
mean_value: 124.0
}
image_data_param {
source: "list_val_shuffle.txt"
batch_size: 16
shuffle: false
new_height: 224
new_width: 224
}
}
layer {
bottom: "data"
top: "conv1"
name: "conv1"
type: "Convolution"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 64
pad: 1
kernel_size: 3
stride: 2
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
bottom: "conv1"
top: "conv1"
name: "relu1"
type: "ReLU"
}
layer {
bottom: "conv1"
top: "conv2"
name: "conv2"
type: "Convolution"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 64
pad: 1
kernel_size: 3
stride: 2
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
bottom: "conv2"
top: "conv2"
name: "relu2"
type: "ReLU"
}
layer {
bottom: "conv2"
top: "conv3"
name: "conv3"
type: "Convolution"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 128
pad: 1
kernel_size: 3
stride: 2
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
bottom: "conv3"
top: "conv3"
name: "relu3"
type: "ReLU"
}
layer {
bottom: "conv3"
top: "conv4"
name: "conv4"
type: "Convolution"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 128
pad: 1
stride: 2
kernel_size: 3
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
bottom: "conv4"
top: "conv4"
name: "relu4"
type: "ReLU"
}
layer {
bottom: "conv4"
top: "conv5"
name: "conv5"
type: "Convolution"
param {
lr_mult: 1
decay_mult: 1
}
param {
lr_mult: 2
decay_mult: 0
}
convolution_param {
num_output: 256
pad: 1
stride: 2
kernel_size: 3
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
bottom: "conv5"
top: "conv5"
name: "relu5"
type: "ReLU"
}
layer {
bottom: "conv5"
top: "pool5"
name: "pool5"
type: "Pooling"
pooling_param {
kernel_size: 7
stride: 1
pool: AVE
}
}
layer {
bottom: "pool5"
top: "fc"
name: "fc"
type: "InnerProduct"
inner_product_param {
num_output: 20
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
name: "accuracy_at_1"
type: "Accuracy"
bottom: "fc"
bottom: "label"
top: "accuracy_at_1"
accuracy_param {
top_k: 1
}
}
layer {
name: "accuracy_at_5"
type: "Accuracy"
bottom: "fc"
bottom: "label"
top: "accuracy_at_5"
accuracy_param {
top_k: 5
}
}
layer {
bottom: "fc"
bottom: "label"
top: "loss"
name: "loss"
type: "SoftmaxWithLoss"
}
使用在线工具http://ethereon.github.io/netscope/#/editor
对模型的可视化结果如下：
