Попробуйте
if ($_POST['submit']) {
$success= mail($to, $subject, $body, $from);
if($success)
{
echo '
<p>Your message has been sent!</p>
';
} else {
echo '
<p>Something went wrong, go back and try again!</p>
';
}
}
Чтобы установить эти значения значимым образом, вам нужно иметь несколько бит информации о ваших данных:
1. Тренировочный набор определяет общее количество примеров обучения, назовем это количество T
. 2. Размер партии тренировки - количество примеров обучения, обработанных вместе в одной партии, обычно устанавливается уровнем входных данных в 'train_val.prototxt'
. Например, в этот файл размер партии поезда установлен на 256. Обозначим эту величину через tb
. 3. Validation set size - общее количество примеров, которые вы отложили для проверки вашей модели, обозначим это V
. 4. Значение размера партии проверки, установленное в batch_size
для фазы TEST. В в этом примере установлено значение 50. Назовем это vb
.
Теперь, во время обучения, вы хотели бы получить непредвзятую оценку эффективности вашего сетью каждый раз в то время. Для этого вы запускаете свою сеть на основе проверки для итераций test_iter
. Чтобы охватить весь набор проверок, вам необходимо иметь test_iter = V/vb
. Как часто вы хотели бы получить эту оценку? Это действительно зависит от вас. Если у вас очень большой набор валидаций и медленная сеть, проверка слишком часто сделает процесс обучения слишком длинным. С другой стороны, недостаточно проверять достаточно часто, чтобы вы не заметили, когда и когда ваш процесс обучения не сходится. test_interval
определяет, как часто вы проверяете: обычно для больших сетей, которые вы устанавливаете test_interval
в порядке 5K, для небольших и более быстрых сетей вы можете выбрать более низкие значения. Опять же, все зависит от вас.
Чтобы покрыть весь набор тренировок (завершение «эпохи»), вам нужно запустить итерации T/tb
. Обычно для нескольких эпох, а значит, max_iter=#epochs*T/tb
.
Что касается iter_size
: это позволяет усреднять градиенты над несколькими обучающими мини-партиями, см. эту нить для получения дополнительной информации.
Caffe
сAlexNet
. У меня есть система с памятью115GB
и с помощьюtrain
иval
данных, установленных в LMDB, сImageNet ILSVRC 2012
. Я использую этот файл решателя со всеми параметрами, кромеmax_iteration=100
. Я не понимаю, почему потребление памяти примерно равно10GB
? Он должен быть меньше, посколькуCaffe
работает с пакетом изображений вместо полных данных. Любая идея, как этот расчет сделан? – Chetan Arvind Patil 22 October 2017 в 22:51"Adam"
). Все это может потребовать много оперативной памяти. См. эта нить – Shai 23 October 2017 в 05:31