如何解决应用于 Resnet50 的最后一个卷积层的 GlobalAveragePool2D 分布的非常大的值
为了训练应用于图像的回归任务,我使用 resnet50 作为主干并在顶部添加一些层。我添加的第一层是 GlobalAveragePool2D,它的形状为 (batch,2048)(因为 resnet50 “res5c_relu” 的最后输出具有 (batch,width,height,2048) 形状)。出于好奇(并且因为我的网络似乎没有学到任何有用的东西),我在进行任何学习之前查看了 GlobalAveragePool2D 层的激活(为十几个“正常”图像收集的激活)。我观察到右侧偏斜的分布,最小值为 0,最大值类似于 20000,平均值约为 5000。我的问题更多是关于观察到的大值(因为偏斜由 relu 解释)。我的输入图像在 [0,255] 范围内,在我的配置中对输入图像进行的唯一预处理是“caffe”处理(相对于 ImageNet 数据集将每个颜色通道置零,不缩放):>
x -= [103.939,116.779,123.68]
在尝试对层、损失等进行实验之前,我想确保这种分布是正常的。
编辑:我意识到我的权重初始化(来自 ImageNet)不起作用。现在我的权重是好的,分布更像是 [0,2]。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。