tensorflow - Mobilenet 参数:alpha 和 rho
问题描述
我一直在学习 PoseNet,以便在我的健康相关研究工作中使用它。
我印象深刻的是 mobilenet 如何通过调整我的问题出现的几个参数来保持高精度,同时减少对 CPU(或 GPU/NPU)的依赖。
我注意到在 mobilenet 官方文件中,引入了两个乘数:alpha 和 rho。我将跳过这两个参数的解释。我想知道最新 PoseNet 模型的移动网络的 alpha 和 rho 的每个值是多少。另外,我想知道是否有参数(尤其是 alpha 和 rho)调整指南,以及在训练模型之前如何设置和验证两者的值。
就像,如果 alpha 的选定值是 0.5,我想知道为什么这个值比 0.75 或 0.25 好。
我的问题是:
- mobilenet 的 alpha 和 rho 的值是多少(用于训练 PoseNet 的版本)
- 为什么/如何选择/验证这些数字?
解决方案
https://www.tensorflow.org/lite/models/pose_estimation/overview中的那个使用 alpha=1.0。alpha 乘以每个卷积的输入/输出通道数,对于 alpha=1.0,第一个卷积层有 32 个通道。尽管如此,还是有其他主干的 PoseNet,您可以从 TF.js 示例中轻松尝试。https://github.com/tensorflow/tfjs-models/tree/master/posenet
rho 值更具理论性,在原始论文中它说
在实践中,我们通过设置输入分辨率来隐式设置 ρ。
推荐阅读
- python-3.x - python解包嵌套字典并将键和值存储在元组中
- reactjs - React-Intl 依赖于 url
- python - 点出现在 spyder 但不在 jupyter 笔记本中
- google-chrome - 未找到 Web vr chrome
- c++ - 无效合并中的错误
- javascript - javascript中的等待异步调用在Node js中没有console.log
- vba - 删除自定义 VBA
- nuget - 使用 Cake 创建 Nuget 包并仅打包 dll
- bootstrap-4 - “装订线”或具有最小边距/填充的固定宽度列
- google-app-engine - 调度 cron 作业以触发云功能