Udacity DL CNN Dog_Project Note

1. 当显示cuda内存不够的时候，可以尝试减少batch的数量
2. 当出现“cuda runtime error (59)”时，有可能是网络的最后一层输出的数量比数据集的label少。（最后一层的输出数量多于数据集的时候不会报错，因为训练的时候由于不存在多出来的label，多出来的输出神经元就等于没训练）
3. train的时候用model.train(), test和valid的时候用model.eval()
4. 记得每个batch要将梯度归零：optimizer.zero_grad()
5. tranfer learning的时候不需要再训练feature层：model.feature
6. 当训练的loss降低很慢的时候，可以适当提高learning rate（尤其是用了batch normalization之后，可以大胆提高learning rate。
7. 使用SGD optimizer，不加momentum的训练准确率为25%，加momentum = 0.9准确率为41%。（使用了batch normalization，这样我们可以使learn rate更大一点，这里取0.1）

Udacity DL CNN Dog_Project Note

原文：https://www.cnblogs.com/bourne_lin/p/Udacity-CNN-DogProject-Note.html