CapsNet을 이용하여 MNIST 손글씨 인식 테스트를 하고 있습니다.
- --batch_size=100 : batch size
- --epochs=1 : 이포크 학습 반복수
- --lam_recon=0.392 : 784 * 0.0005, paper uses sum of SE, here uses MSE 0.392
- --num_routing=2 : routing 수(disit caps에서 primary caps에 routing 되는 횟수)
- --shift_fraction=0.2 : 비율만큼 쉬프트(이동)하여 학습
- --debug=1 : 디버그모드여부(1일경우 디버그 파일을 생성함)
- --save_dir='./result/trained_model_test.h5' : train모드일경우 모델을 저장할 파일명 지정
- --is_training=0 : 학습모드 여부(1이면 train, 0이면 test)
- --weights='/trained_model.h5' : 테스트할때 불러들일 모델 파일명
- --lr=0.001 : learning rate
- python capsulenet_test.py --batch_size=100 --epochs=1 --lam_recon=0.392 --num_routing=2 --shift_fraction=0.2 --debug=1 --save_dir='./result/trained_model_test.h5' --is_training=0 --weights='/trained_model.h5' --lr=0.001
Resources of Capsule Network
- Optimizing Neural Networks that Generate Images, 2014 (pdf)
- Dynamic Routing Between Capsules, 2017 (pdf)
- MATRIX CAPSULES WITH EM ROUTING, 2018 (pdf)