1.模型和参数不变
模型:2个卷积层+1个全连接层  参数:
BATCH_SIZE = 32 # 定义超参数,每次处理32张图片 EPOCHS = 20 # 将数据集训练20轮 LR = 0.01 # 学习率 TRAIN_DIVISION = 3 # 训练集划分占比 optimizer = optim.Adam(model.parameters(), lr=LR) # 优化器
1.1 “IITD/Left部分数据” VS “IITD/Left+Right数据”

2.改模型
模型2.1:3个卷积层+2个全连接层 结果:RR=0.9158  模型2.2:4个卷积层+2个全连接层 结果:RR=0.9145  模型2.3:4个卷积层+3个全连接层 结果:RR=0.8776 
模型2.4:4个卷积层(更改卷积核)+2个全连接层 结果:RR=0.9158  模型2.5:4个卷积层(更改输出通道数)+2个全连接层 结果:RR=0.9237(EPOCH=200)  2.5似乎是最好的,但之前的模型可能是因为没有完全收敛.
3. 改参数
综合结果,模型选用2.5的。
3.1 优化器
之前全都以Adam作为优化器,收敛速度快(20次迭代内就能达到很高的RR),在2.5的模型中186次迭代达到RR=0.9237。 
3.2 Batch_size
优化器选用Adam,LR=0.001。 
3.3 Learning Rate
优化器选用Adam,Batch_size=64。 
4.BN
批量标准化网络层: 1)统计每个通道所有点的像素值的均值和方差; 2)每个通道的像素值减均值除方差;
BN:Max RR: 0.951316、Running time: 12049.209277153015 s 
5. 数据集
同济非接触式掌纹数据集: Max RR: 0.999500、Running time: 39925.49079298973 s (Train Epoch:22 Loss:0.000003 Test – Average loss:0.2042,RR:0.265000)是为什么?
Max RR: 0.999250、Running time: 39227.911673784256 s (Train Epoch:114 Loss:0.000000 Test – Average loss:0.1773,RR:0.197000)为什么? 
|