VT-F15-ECE6504-HW2:ECE6504家庭作业2

作业2 在本作业中，我们将继续学习 ，并在早期的ConvNet中实现辍学和数据扩充。 然后，我们微调一个预先训练的模型AlexNet，以便在WikiArt数据集上进行样式分类。 最后，我们可视化数据梯度并学习生成图像来欺骗经过预训练的ConvNet。 在下载启动程序代码。 Q1：辍学和数据增强（15分） 在本练习中，我们将使用在上一个作业中针对CIFAR-10数据集训练的相同的两层ConvNet，并使用Caffe实现两种减少过度拟合的方法-辍学和数据扩充。 阅读DropoutLayer的规范，并阅读和网络原型文件，以了解如何在Caffe中实现辍学层。 内置支持简单的数据扩充，例如Caffe中的随机裁剪和镜像。 这由DataLayer定义内的transform_param参数定义。 layer { name: "data" type: "Data" [...] t