全卷积网络中上采样层的 "learning multiple" 应该是多少？
What should be the "learning multiple" of the up-sampling layers in the Fully Convolutional Network?
我正在尝试训练全卷积网络 (FCN) 以进行密集预测。
paper 的作者提到：
"We initialize the 2× up-sampling to bi-linear interpolation, but allow the parameters to be learned."
当我阅读他们的training prototxt file时，这些层的学习倍数是零。
我是否应该将此学习倍数更改为 非零值 以让这些层被学习？
谢谢，
引用 shelhamer
In further experiments on PASCAL VOC we found that learning the interpolation parameters made little difference, and fixing these weights gives a slight speed-up since the interpolation filter gradient can be skipped.
因此，如果您想让他们学习，您可以保持 lr_mult 这种方式或更改为非零值。如果需要，您还可以在 solver.prototxt 中设置 lr_policy。
我正在尝试训练全卷积网络 (FCN) 以进行密集预测。
paper 的作者提到：
"We initialize the 2× up-sampling to bi-linear interpolation, but allow the parameters to be learned."
当我阅读他们的training prototxt file时，这些层的学习倍数是零。
我是否应该将此学习倍数更改为 非零值 以让这些层被学习？
谢谢，
引用 shelhamer
In further experiments on PASCAL VOC we found that learning the interpolation parameters made little difference, and fixing these weights gives a slight speed-up since the interpolation filter gradient can be skipped.
因此，如果您想让他们学习，您可以保持 lr_mult 这种方式或更改为非零值。如果需要，您还可以在 solver.prototxt 中设置 lr_policy。