CV之NS之VGG16：基于預(yù)訓(xùn)練模型VGG16訓(xùn)練COCO的train2014數(shù)據(jù)集實現(xiàn)訓(xùn)練《神奈川沖浪里》風(fēng)格配置yml文件

?

?

目錄

一、訓(xùn)練

1、《神奈川沖浪里》風(fēng)格

2、配置yml文件

二、TensorBoard中監(jiān)控訓(xùn)練情況

---

?

?

?

一、訓(xùn)練

1、《神奈川沖浪里》風(fēng)格

風(fēng)格如圖

2、配置yml文件

?

style_image: img/wave.jpg # targeted style image指定原始風(fēng)格圖像 ##naming、model_path 兩個量定義了最終的checkpoint 和監(jiān)控信息。events文件會被保存在models/wave文件夾下 naming: "wave" # the name of this model一般和圖像名字保持一致. Determine the path to save checkpoint and events file. model_path: models # root path根目錄 to save checkpoint and events file. The final path would be <model_path>/<naming>## Weight of the loss各個損失的權(quán)重 content_weight: 1.0 # weight for content features loss內(nèi)容損失權(quán)重 style_weight: 220.0 # weight for style features loss風(fēng)格損失權(quán)重 tv_weight: 0.0 # weight for total variation loss，(1)在本項目中，發(fā)現(xiàn)設(shè)定它的權(quán)重為0也不影響收斂## The size, the iter number to run 訓(xùn)練原始圖片大小、一次batch的樣本數(shù)、跑的epoch運行次數(shù) image_size: 256 batch_size: 4 epoch: 2## Loss Network損失網(wǎng)絡(luò) loss_model: "vgg_16" content_layers: # use these layers for content loss使用conv3_3定義內(nèi)容損失- "vgg_16/conv3/conv3_3" style_layers: # use these layers for style loss使用conv1_2、conv2_2、conv3_3、conv4_3定義風(fēng)格損失- "vgg_16/conv1/conv1_2"- "vgg_16/conv2/conv2_2"- "vgg_16/conv3/conv3_3"- "vgg_16/conv4/conv4_3" checkpoint_exclude_scopes: "vgg_16/fc" # we only use the convolution layers, so ignore fc layers.只用到卷積層所以不需要fc層 loss_model_file: "pretrained/vgg_16.ckpt" # the path to the checkpoint預(yù)訓(xùn)練模型對應(yīng)的位置

?

二、TensorBoard中監(jiān)控訓(xùn)練情況

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。