CIFAR-10 在Caffe上训练学习

参考caffe官网http://caffe.berkeleyvision.org/gathered/examples/cifar10.html



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%.。