我正在使用Tensorflow对象检测API来使用自定义数据集训练更快的RCNN和SSD。我能够使用COCO训练的检测模型作为微调的初始化。我还可以在训练期间冻结特征提取程序wights。你知道吗
现在我想对整个网络进行微调(特征提取器+RPN+分类和边界盒回归),但对特征提取器层使用较小的学习率,以避免在训练过程中改变其权重。例如,我想使用learning_rate = 0.000001
作为特征提取器层,使用learning_rate = 0.001
作为RPN、分类和框回归。在Tensorflow对象检测API中有没有实现这一点的方法?你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐