我正在使用经过预训练的GoogLeNet，然后在我的数据集中对其进行了微调，以对11个类别进行分类。我尝试使用不同的base_learning rate进行以下配置，但是accuracy并没有进一步改善。
我使用了预训练的GoogLeNet模型，然后在最后10层和前3层进行了微调，基本学习率为0.01，最大迭代次数为50K，但是这种配置的准确度并没有超过75％。
我使用了预先训练的GoogLeNet模型，然后在最后2层进行了微调，基本学习速率为0.01，最大迭代次数为50K，但是这种配置的准确度未超过71％。
我使用了预先训练的GoogLeNet模型，然后在最后6层进行了微调，基本学习速率为0.001，最大迭代次数为50K，但是这种配置的准确度未超过85％。
谁能告诉我，为了提高准确性，我还可以更改哪些其他方法或参数？
最佳答案
您可以使用其他优化器，例如ADADELTA，ADAM和RMSPROP。在您的solver.prototxt中，您可以通过编写此命令type: "RMSProp"来设置此参数。
对于RMSPROP，您可以按here所述修改参数。