我們以TrainResNet_CIFAR10.py爲例來學習cntk。我們已經創建了兩個方法,eval_metric和calc_error如下:eval and test_minibatch in cntk
def eval_metric(trainer, reader_test, test_epoch_size, label_var, input_map) :
# Evaluation parameters
minibatch_size = 16
# process minibatches and evaluate the model
metric_numer = 0
metric_denom = 0
sample_count = 0
while sample_count < test_epoch_size:
current_minibatch = min(minibatch_size, test_epoch_size - sample_count)
# Fetch next test min batch.
data = reader_test.next_minibatch(current_minibatch, input_map=input_map)
# minibatch data to be trained with
metric_numer += trainer.test_minibatch(data) * current_minibatch
metric_denom += current_minibatch
# Keep track of the number of samples processed so far.
sample_count += data[label_var].num_samples
return metric_numer/metric_denom
def calc_error(trainer, fileList, mean_value, test_size) :
if (len(fileList) != test_size) :
return 0
n = 0
m = 0
while n < test_size:
c = evalute(trainer, fileList[n].filename, mean_value);
if (c != fileList[n].classID) :
m += 1
n += 1
return m/test_size
def evalute(trainer, img_name, mean_value) :
rgb_image = np.asarray(Image.open(img_name), dtype=np.float32) - mean_value
bgr_image = rgb_image[..., [2, 1, 0]]
pic = np.ascontiguousarray(np.rollaxis(bgr_image, 2))
probs = trainer.eval({trainer.arguments[0]:[pic]})
predictions = np.squeeze(probs)
top_class = np.argmax(predictions)
return top_class
我們認爲test_minibatch(數據)返回不正確的結果%,而這兩種方法應該給出類似的結果。我的問題是: 1. trainer.test_minibatch(data)返回什麼? 2.對於CIFAR-10測試圖像,兩種方法之間的差異在10%以內,但對於我們自己的具有64x64x3和4類的樣本圖像,差異超過100%。什麼可能導致巨大的差異? 3.如果我們直接將訓練者傳遞給calc_error,則會在eval期間發生錯誤。我們必須在調用calc_error之前先保存並load_model,爲什麼?
尼科斯,很高興知道!我試過在test_minibatch之後調用trainer.previous_minibatch_evaluation_average 和trainer.previous_minibatch_loss_average,但我得到了「此Value對象無效並且不能再被訪問」異常。什麼可能導致這個錯誤?我在列車和測試中都使用了相同的mean_value,並嘗試了RGB和BGR順序,但得到了相似的結果:calc_error給出的誤差比eval_metric大得多。我們應該在mean_value中使用RGB還是BGR順序?通過將評估設置爲單個圖像,您的意思是什麼 - 您的意思是將minibatch_size設置爲1? –
「無效」錯誤是當您嘗試從以前的小批次訪問某些內容時。不知道你爲什麼這樣做。如果網絡使用CNTK的閱讀器進行培訓,則需要BGR訂單。如果您自己進行培訓,則取決於數據的加載方式。我不是說將minibatch_size設置爲1,我的意思是在你的測試集中有一個圖像,直到你得到與所有方法相同的結果。 –
好!如果用CNTK的讀者進行培訓,你的意思是在火車上mean_value應該是BGR順序嗎?反正有沒有先保存和load_model來調用trainer.eval? –