我们以TrainResNet_CIFAR10.py为例来学习cntk。我们已经创建了两个方法,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
我们认为test_minibatch(数据)返回不正确的结果%,而这两种方法应该给出类似的结果。我的问题是: 1. trainer.test_minibatch(data)返回什么? 2.对于CIFAR-10测试图像,两种方法之间的差异在10%以内,但对于我们自己的具有64x64x3和4类的样本图像,差异超过100%。什么可能导致巨大的差异? 3.如果我们直接将训练者传递给calc_error,则会在eval期间发生错误。我们必须在调用calc_error之前先保存并load_model,为什么?
尼科斯,很高兴知道!我试过在test_minibatch之后调用trainer.previous_minibatch_evaluation_average 和trainer.previous_minibatch_loss_average,但我得到了“此Value对象无效并且不能再被访问”异常。什么可能导致这个错误?我在列车和测试中都使用了相同的mean_value,并尝试了RGB和BGR顺序,但得到了相似的结果:calc_error给出的误差比eval_metric大得多。我们应该在mean_value中使用RGB还是BGR顺序?通过将评估设置为单个图像,您的意思是什么 - 您的意思是将minibatch_size设置为1? –
“无效”错误是当您尝试从以前的小批次访问某些内容时。不知道你为什么这样做。如果网络使用CNTK的阅读器进行培训,则需要BGR订单。如果您自己进行培训,则取决于数据的加载方式。我不是说将minibatch_size设置为1,我的意思是在你的测试集中有一个图像,直到你得到与所有方法相同的结果。 –
好!如果用CNTK的读者进行培训,你的意思是在火车上mean_value应该是BGR顺序吗?反正有没有先保存和load_model来调用trainer.eval? –