请问一下，我用这个数据集训练alexnet的准确率只有5%-7%你也是吗

[beijing1214]

[ElementMo]

5%-7%是预训练的结果，第一阶段是非监督分类；需要再做一次监督分类才行的，监督分类之后准确率能到90%左右

[Ostnie]

@ElementMo alexnet在rcnn的作用不是只是提取特征吗？为什么还有精确度？除此之外，alexnet为什么分了两个阶段？非监督阶段和监督阶段是指哪段时期？

[ElementMo]

@Ostnie 我是看这篇文章理解的 https://www.cnblogs.com/skyfsm/p/6806246.html ，这段代码应该是魔改了原版的AlexNet，之后RCNN使用了AlexNet的训练结果进行分类。

[Ostnie]

@ElementMo 你好我看了你发的连接，他在介绍RCNN的时候也只提到了一次finetune啊，也就是一次监督分类，非监督分类在哪里？ 我看了一下这个作者的程序，他确实先训练了alexnet，然后微调它，最后截取了一部分作为特征提取器，不过在这里我有个疑问，他在微调的时候网络结构是包含最后的softmax层的，但是在作为特征提取器构建的时候网络民意了这一层，这样还能直接载入模型吗？我记得参数不一样不是会报错么？ 以及作者是否包含了边框回归？我没有找到在哪里

[igo312]

@ElementMo 我赞同@Ostnie 对于非监督训练的不认可，fine_tuning过程应该是创建alexnet然后对于每张图片连带标签直接输入训练，只是稍微进行训练这是为了调整完成后的网络对于提取特征即pool5所得到的是有意义的。 链接中也提到了直接下载Imagenet下的alexnet后进行fine_tuning应该也是这个道理。

[Asuna88]

5%-7%是预训练的结果，第一阶段是非监督分类；需要再做一次监督分类才行的，监督分类之后准确率能到90%左右

第一次训练的时候， 加载数据，数据格式如下：(路径 标签) 17flowers/jpg/13/image_1063.jpg 13 后面是对应的标签。

这是监督训练呀，为什么说是非监督训练呢？？？

[Asuna88]

@ElementMo 你好我看了你发的连接，他在介绍RCNN的时候也只提到了一次finetune啊，也就是一次监督分类，非监督分类在哪里？ 我看了一下这个作者的程序，他确实先训练了alexnet，然后微调它，最后截取了一部分作为特征提取器，不过在这里我有个疑问，他在微调的时候网络结构是包含最后的softmax层的，但是在作为特征提取器构建的时候网络民意了这一层，这样还能直接载入模型吗？我记得参数不一样不是会报错么？ 以及作者是否包含了边框回归？我没有找到在哪里

1. 我认为没有非监督分类
2. 微调的时候去除了fc3层，仅保留了conv1---conv5,fc1,fc2层，因此训练不会报错
3. 边框回归，我也没有找到。

以上，个人看法，可能有误，请多指导。 谢谢