如何减小 opencv 中学习模型的大小（用于 CvBoost）？

Posted 2023-03-13

【中文标题】如何减小 opencv 中学习模型的大小（用于 CvBoost）？

【英文标题】：How do I reduce the size of the learning model in opencv (for CvBoost)?

【发布时间】：2015-04-26 16:49:11

【问题描述】：

我正在使用 opencv 的 CvBoost 进行分类。我已经用几千兆字节的数据训练了分类器，然后我把它保存了下来。该模型有一棵由 1000 个弱学习器组成的树，深度为 20（默认设置）。现在我想加载它来预测实时生产代码中的类。然而，学习模型的大小是巨大的（接近一个千兆字节）。我相信这是因为保存功能保存了所有用于学习的数据，因此可以正确更新训练模型。但是，我在运行时不需要这个功能，我只想使用固定参数（1000 个弱学习器等），这些参数不应该是太多数据。

有没有办法只保存弱学习器参数并将其加载到 CvBoost 中？

有人有使用这个或另一个 opencv 学习模型减少学习模型数据大小的经验吗？ 注意：CvBoost 继承自具有保存/加载功能的 CvStatModel。

【参考方案1】：

我意识到，对于 1000 个学习者和 20 个深度，这可能是 2^20*1000 个学习参数，即大约 10 亿或 1 GB。事实证明，学习模型需要所有空间来存储所有树。

要减小大小，我必须降低树的深度和/或学习者的数量。例如，将树深度减少到 5 只使用了 21 mb（尽管构建学习模型似乎花费了大约相同的时间）。也许降低权重修剪率会导致在达到深度 20 之前修剪更多的树（从而也减少内存大小）。我还没有测试过这个。

结案。

【参考方案2】：

CvBoostParams 有一个 'use_surrogates' 参数，它的默认值是 ture。设置为 false 可以减小学习模型的大小

【讨论】：

添加一些解释，说明此答案如何帮助 OP 解决当前问题