Caffe2 - Ищите хорошо прокомментированное руководство на тему "Как настроить предварительно обученную сеть в Caffe2"

Question

Я ищу обобщенное руководство по трансферному обучению в Caffe2.

Я работаю на Ubuntu 16.04. Установил Caffe2 с помощью метода build-from-source с поддержкой GPU. У моего ноутбука есть gpu с поддержкой cuda.

Я попытался построить свою собственную "простую" модель CNN с количеством слоев от 5 до 12 для классификации деревьев (на данный момент 3 категории). Но у меня очень ужасающие результаты. Поэтому я решил попробовать перенести обучение. Я пытался следовать этому руководству https://nbviewer.jupyter.org/gist/kyamagu/6cff70840c10ca374e069a3a7eb00cb4/dogs-vs-cats.ipynb. Который был самым подробным руководством, которое я смог найти...

Но есть некоторые строки, которые я не мог понять, почему некоторые значения были использованы. Например, эта строка: model.Squeeze("softmaxout", "softmax", dims=[2, 3]) - Почему dims param это массив из 2 и 3... (я хотел бы знать, что означают эти числа)

Когда я попытался запустить код из учебника выше (с моими модификациями специфичных для значения частей кода, за исключением строки, которую я упомянул..) - доступной на github (LoadPretrainedSqueezenetModel функция). Это привело к ошибке:

[libprotobuf FATAL /home/filip/workbench/libs/pytorch/third_party/protobuf/src/google/protobuf/repeated_field.h:1522] CHECK failed: (index) < (current_size_): 
Traceback (most recent call last):
  File "main.py", line 62, in <module>
    SqueezenetRetrain(labels)
  File "/home/filip/workbench/git/MachineLearningScripts/caffe2/Methods.py", line 76, in SqueezenetRetrain
    workspace.CreateNet(squeezenetModel.net, overwrite=True)
  File "/usr/local/lib/python2.7/dist-packages/caffe2/python/workspace.py", line 171, in CreateNet
    StringifyProto(net), overwrite,
  File "/usr/local/lib/python2.7/dist-packages/caffe2/python/workspace.py", line 197, in CallWithExceptionIntercept
    return func(*args, **kwargs)
RuntimeError: CHECK failed: (index) < (current_size_): 

Итак, я спрашиваю, знаете ли вы о действительно хороших руководствах по трансферному обучению, которые скорее для инженеров, чем для академиков.

заранее спасибо