CIFAR-10 在Caffe上训练学习
2015-12-22 17:38
591 查看
参考caffe官网http://caffe.berkeleyvision.org/gathered/examples/cifar10.html
![](http://img.blog.csdn.net/20151222171622396?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
1. CIFAR-10是什么?
Cifar-10是由Hinton的两个大弟子Alex
Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大牵头投资的一个先进科学项目研究所。Hinton、Bengio和他的学生在2004年拿到了Cifar投资的少量资金,建立了神经计算和自适应感知项目。
这个项目结集了不少计算机科学家、生物学家、电气工程师、神经科学家、物理学家、心理学家,加速推动了DL的进程。从这个阵容来看,DL已经和ML系的数据挖掘分的很远了。DL强调的是自适应感知和人工智能,是计算机与神经科学交叉。DM强调的是高速、大数据、统计数学分析,是计算机和数学的交叉。
Cifar-10由60000张32*32的RGB彩色图片构成,共10个分类。50000张训练,10000张测试(交叉验证)。这个数据集最大的特点在于将识别迁移到了普适物体,而且应用于多分类(姊妹数据集Cifar-100达到100类,ILSVRC比赛则是1000类)。
![](http://img.blog.csdn.net/20151222174502934?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
2.准备数据库
You
will first need to download and convert the data format from the CIFAR-10
website. To do this, simply run the following commands:
运行之后会出现两个文件
![](http://img.blog.csdn.net/20151222184627173?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
3.模型说明
![](http://img.blog.csdn.net/20151222173126658?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
4.训练和测试模型
特别注意:如果是用的CPU的话需要修改训练和测试脚本,改为GPU
先打开train_quick.sh找到测试和训练的脚本目录,然后分别打开脚本进行修改
![](http://img.blog.csdn.net/20151222173529104?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](http://img.blog.csdn.net/20151222181843183?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
每100次迭代显示一次训练结果,准确率+训练损失函数;每500次进行一次测试。
进行5000次迭代后结束,准确率75%.。
1. CIFAR-10是什么?
Cifar-10是由Hinton的两个大弟子Alex
Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大牵头投资的一个先进科学项目研究所。Hinton、Bengio和他的学生在2004年拿到了Cifar投资的少量资金,建立了神经计算和自适应感知项目。
这个项目结集了不少计算机科学家、生物学家、电气工程师、神经科学家、物理学家、心理学家,加速推动了DL的进程。从这个阵容来看,DL已经和ML系的数据挖掘分的很远了。DL强调的是自适应感知和人工智能,是计算机与神经科学交叉。DM强调的是高速、大数据、统计数学分析,是计算机和数学的交叉。
Cifar-10由60000张32*32的RGB彩色图片构成,共10个分类。50000张训练,10000张测试(交叉验证)。这个数据集最大的特点在于将识别迁移到了普适物体,而且应用于多分类(姊妹数据集Cifar-100达到100类,ILSVRC比赛则是1000类)。
2.准备数据库
You
will first need to download and convert the data format from the CIFAR-10
website. To do this, simply run the following commands:
cd $CAFFE_ROOT #切换目录到自己的caffe-master的安装目录下 sudo ./data/cifar10/get_cifar10.sh sudo ./examples/cifar10/create_cifar10.sh
运行之后会出现两个文件
./cifar10-leveldb(个人测试出现的是两个分开的数据库文件:测试和训练)
和
./mean.binaryproto.
3.模型说明
4.训练和测试模型
cd $CAFFE_ROOT #切换目录到自己的caffe-master的安装目录下 sudo ./examples/cifar10/train_quick.sh
特别注意:如果是用的CPU的话需要修改训练和测试脚本,改为GPU
先打开train_quick.sh找到测试和训练的脚本目录,然后分别打开脚本进行修改
sudo vim ./examples/cifar10/train_quick.sh
每100次迭代显示一次训练结果,准确率+训练损失函数;每500次进行一次测试。
进行5000次迭代后结束,准确率75%.。
相关文章推荐
- json-lib 之jsonConfig详细使用
- 关于nagle及tcp_nodelay的一些小结
- 小技巧之js判定上传文件大小
- javaScript & jquery完美判断图片是否加载完毕
- js之第三方工具解析JSON
- jsp页面静态化实例
- CSS 解决IE6双倍距离BUG
- html5中的input和label写法与取值
- Undefined symbols for architecture i386: “_OBJC_CLASS_$_XXX”, referenced from: objc-class-ref in XXX
- CSS3 按钮 打钩
- JsonUtil
- JavaScript当中网页刷新后数值(text、radio、checkbox、select、textarea)保持不变(输入域数据保持)的简单方法
- nodejs基础 -- 多进程
- Angularjs指令学习1-下拉框
- jquery Deferred的一点用法
- css3 箭头 上下左右
- js仿微博实现统计字符和本地存储功能
- CSS3 滑动开关
- ios不兼容CSS的active属性解决方法
- js 上传图片预览 在网上找的例子,很好使