笔记3:caffe训练现有的模型
2017-03-02 18:13
501 查看
前提制作的数据集:/home/zhangjing/zj/project/deepLearning/caffe-master/caffe_person_Detection
训练:
1.拷贝models/bvlc_alexnet目录下的train_val.prototxt文件到caffe-master/caffe_person_Detection目录下。
2.拷贝models/bvlc_alexnet目录下的solver.prototxt文件到caffe-master/caffe_person_Detection目录下。
3.拷贝examples/imagenet目录下的make_imagenet_mean.sh文件到caffe-master/caffe_person_Detection目录下。用于计算图像均值,使用的源文件在/tools/compute_image_mean.cpp。
4.拷贝examples/imagenet目录下的train_caffenet.sh文件到caffe-master/test/caffe_person_Detection目录下。
该文件为一个脚本文件,内容为训练网络的命令
备注:
1) 修改[b]make_imagenet_mean.sh[/b]文件如下图计算均值,执行:sh
make_imagenet_mean.sh,生成imagenet_mean.binaryproto文件
2)[b]修改train_val.prototxt[/b]文件,主要是修改数据集的路径等参数
3) 修改超参数配置文件[b]solver.prototxt
[/b]
4)[b][b][b]修改train_caffenet.sh[/b]文件,主要是修改数据集的路径等参数[/b][/b]
开始训练:
[b][b][b][b]sh
train_caffenet.sh[/b][/b][/b]
[/b]
error: F0302 13:32:37.903647 5805 blob.cpp:133] Check failed: data_
可能原因:
1. num_output从1000改成2 , 分2类
2. training data图片尺寸太小了,导致数据输入某个pool层时,图片尺寸已经小于kernel_size,输出则为0*0。
目前这个问题还没解决。。。。。。。。
参考文献:
http://blog.csdn.net/AlexQiweek/article/details/51281240
http://blog.csdn.net/u014114990/article/details/47747025 (caffe.cpp 源码的一些解释)
http://blog.csdn.net/u012029332/article/details/51258617
http://www.cnblogs.com/denny402/p/5083300.html (一系列学习笔记,很不错的,还有python的学习笔记)
训练:
1.拷贝models/bvlc_alexnet目录下的train_val.prototxt文件到caffe-master/caffe_person_Detection目录下。
2.拷贝models/bvlc_alexnet目录下的solver.prototxt文件到caffe-master/caffe_person_Detection目录下。
3.拷贝examples/imagenet目录下的make_imagenet_mean.sh文件到caffe-master/caffe_person_Detection目录下。用于计算图像均值,使用的源文件在/tools/compute_image_mean.cpp。
4.拷贝examples/imagenet目录下的train_caffenet.sh文件到caffe-master/test/caffe_person_Detection目录下。
该文件为一个脚本文件,内容为训练网络的命令
备注:
1) 修改[b]make_imagenet_mean.sh[/b]文件如下图计算均值,执行:sh
make_imagenet_mean.sh,生成imagenet_mean.binaryproto文件
2)[b]修改train_val.prototxt[/b]文件,主要是修改数据集的路径等参数
3) 修改超参数配置文件[b]solver.prototxt
[/b]
4)[b][b][b]修改train_caffenet.sh[/b]文件,主要是修改数据集的路径等参数[/b][/b]
开始训练:
[b][b][b][b]sh
train_caffenet.sh[/b][/b][/b]
[/b]
error: F0302 13:32:37.903647 5805 blob.cpp:133] Check failed: data_
可能原因:
1. num_output从1000改成2 , 分2类
2. training data图片尺寸太小了,导致数据输入某个pool层时,图片尺寸已经小于kernel_size,输出则为0*0。
目前这个问题还没解决。。。。。。。。
参考文献:
http://blog.csdn.net/AlexQiweek/article/details/51281240
http://blog.csdn.net/u014114990/article/details/47747025 (caffe.cpp 源码的一些解释)
http://blog.csdn.net/u012029332/article/details/51258617
http://www.cnblogs.com/denny402/p/5083300.html (一系列学习笔记,很不错的,还有python的学习笔记)
相关文章推荐
- 【caffe学习笔记之6】caffe-matlab/python训练LeNet模型并应用于mnist数据集(1)
- 深度学习Caffe实战笔记(21)Windows平台 Faster-RCNN 训练好的模型测试数据
- 【深度学习】笔记6:使用caffe中的CIFAR10网络模型和自己的图片数据训练自己的模型(步骤详解)
- 【caffe学习笔记之7】caffe-matlab/python训练LeNet模型并应用于mnist数据集(2)
- caffe 学习笔记-模型训练与测试
- caffe训练好模型的特征提取(fc7,最后一层全连接层)
- 使用现有的基于caffe训练好的imagenet model进行图片分类
- [原]有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
- caffe:用自己的图像数据训练模型(图片分类)
- 【Caffe】训练ImageNet模型
- caffe:用自己的图像数据训练模型
- caffe训练模型输出到log.txt
- 有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
- windows下用caffe加载二进制模型(linux下训练)的问题
- Caffe 之 使用非图片的鸢尾花(IRIS)数据集(hdf5格式) 训练网络模型
- caffe学习笔记6--训练自己的数据集
- caffe学习笔记4-- 手写数字mnist训练过程
- 【caffe】用训练好的imagenet模型分类图像
- 学习笔记:Caffe上LeNet模型理解
- 基于caffe特征可视化 以及 用训练好的模型进行分类 2