大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
多粒度网络（MGN）的结构设计与技术实现
代码实现：
（一）参考代码：https://github.com/hugh67/reid-MGN-pytorch
（二）我的实验：
目标平台：类脑平台 https://www.bitahub.com/
GPU：1块 1080
训练集： Market1501，DukeMTMC-reID
实验次数：2
（三）实验1：对Market1501训练，训练时间大约6小时。
训练命令：
python main.py –reset –datadir /data/bitahub/Market-1501 –batchid 16 –batchtest 32 –test_every 40 –epochs 160 –decay_type step_120_140 –loss 1*CrossEntropy+2*Triplet –margin 1.2 –re_rank –random_erasing –save MGN_adam_margin_1.2 –nGPU 1 –lr 2e-4 –optimizer ADAM
训练结果：
可以看到： mAP: 0.9241 rank1: 0.9471 rank3: 0.9644 rank5: 0.9709 rank10: 0.9768 (Best: 0.9241 @epoch 160)
（四）实验2：对DukeMTMC-reID训练，训练时间大约8小时。
训练命令：
python main.py –num_classes 702 –data_train DukeMTMCreID –data_test DukeMTMCreID –reset –datadir /data/bitahub/DukeMTMC-reID –batchid 16 –batchtest 32 –test_every 40 –epochs 160 –decay_type step_120_140 –loss 1*CrossEntropy+2*Triplet –margin 1.2 –re_rank –random_erasing –save MGN_adam_margin_1.2 –nGPU 1 –lr 2e-4 –optimizer ADAM
训练结果：
可以看到：mAP: 0.8828 rank1: 0.9035 rank3: 0.9349 rank5: 0.9452 rank10: 0.9610 (Best: 0.8828 @epoch 160)
（5）由于时间及GPU问题，我没有多训练太多，大家可以试试不同的参数，一定可以得到更好得效果。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/185644.html原文链接：https://javaforall.net
