《深度学习：卷积神经网络从入门到精通》——3.7.3　交通路网的图像块分类LeNet

3.7.3　交通路网的图像块分类LeNet

在建立好局部图像块的正反例训练集和测试集后，利用LeNet对这些局部图像块进行分类，只需按照表3.9和表3.10分别在lenet_train_test.prototxt和lenet_solver.prototxt文件中设置相应的参数值，再参照图3.26的命令运行。在迭代训练200?000次后，程序运行结束，图3.27显示训练集的损失为0.001?550?54，测试集的损失为0.006?925?75，测试准确率为99.80%。按照Caffe的命名规则，训练好的权值和偏置存放在_iter_200000.caffemodel文件中。

表3.9　图像块分类LeNet程序在lenet_train_test.prototxt文件中设置的参数值

表3.10　图像块分类LeNet程序在lenet_solver.prototxt文件中设置的超参数值

图3.26　图像块分类LeNet程序的运行命令

图3.27　图像块分类LeNet程序的最终运行结果