caffe学习笔记12-建立自己的数据集与均值计算
2017-03-05 12:42
330 查看
create_imagenet.sh:
#!/usr/bin/env sh
# Create the imagenet lmdb inputs
# N.B. set the path to the imagenet train + val data dirs
set -e #后面的代码若出现错误,立即退出
#这里是一些路径,根据自己的路径修改
EXAMPLE=/home/nielsen/caffe-master/examples/image_test #设置生成的lmdb数据存放路径
DATA=/home/nielsen/caffe-master/data/image1000test200 #设置数据来源
TOOLS=/home/nielsen/caffe-master/build/tools #设置lmdb工具存放路径
TRAIN_DATA_ROOT=/home/nielsen/caffe-master/data/image1000test200/train/ #设置需要转换的训练集数据来源
VAL_DATA_ROOT=/home/nielsen/caffe-master/data/image1000test200/val/ #设置需要转换的验证集数据来源
# Set RESIZE=true to resize the images to 256x256. Leave as false if images have
# already been resized using another tool.
RESIZE=true #这是设置RESIZE = true,caffe就可以帮我们修改好图片的尺寸,这里imagenet网络必须是227×227的大小输入
if $RESIZE; then
RESIZE_HEIGHT=227
RESIZE_WIDTH=227
else
RESIZE_HEIGHT=0
RESIZE_WIDTH=0
fi
if [ ! -d "$TRAIN_DATA_ROOT" ]; then
echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \
"where the ImageNet training data is stored."
exit 1
fi
if [ ! -d "$VAL_DATA_ROOT" ]; then
echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \
"where the ImageNet validation data is stored."
exit 1
fi
echo "Creating train lmdb..."
#这里会调用作者已经写好的 convert_imageset 函数,通过该函数可以产生lmdb的数据,后面生成的训练集和验证集的lmdb名字需要更改
#--shuffle默认为true,表示做乱序
#--encoded可以对图像做编码压缩
GLOG_logtostderr=1 $TOOLS/convert_imageset \
--resize_height=$RESIZE_HEIGHT \
--resize_width=$RESIZE_WIDTH \
--shuffle \
$TRAIN_DATA_ROOT \
$DATA/train.txt \
$EXAMPLE/image_test_train_lmdb
echo "Creating val lmdb..."
GLOG_logtostderr=1 $TOOLS/convert_imageset \
--resize_height=$RESIZE_HEIGHT \
--resize_width=$RESIZE_WIDTH \
--shuffle \
$VAL_DATA_ROOT \
$DATA/val.txt \
$EXAMPLE/image_test_val_lmdb
echo "Done."
make_imagenet_mean.sh:
#!/usr/bin/env sh
# Compute the mean image from the imagenet training lmdb 只需要training的lmdb数据即可,不需要原数据
# N.B. this is available in data/ilsvrc12
#不要在路径前面多加空格
EXAMPLE=/home/nielsen/caffe-master/examples/image_test #设置lmdb数据来源
DATA=/home/nielsen/caffe-master/data/image1000test200 #设置生成的mean存放的路径
TOOLS=/home/nielsen/caffe-master/build/tools #设置mean工具存放路径
$TOOLS/compute_image_mean $EXAMPLE/image_test_val_lmdb \
$DATA/image_test_val_mean.binaryproto
echo "Done."
#!/usr/bin/env sh
# Create the imagenet lmdb inputs
# N.B. set the path to the imagenet train + val data dirs
set -e #后面的代码若出现错误,立即退出
#这里是一些路径,根据自己的路径修改
EXAMPLE=/home/nielsen/caffe-master/examples/image_test #设置生成的lmdb数据存放路径
DATA=/home/nielsen/caffe-master/data/image1000test200 #设置数据来源
TOOLS=/home/nielsen/caffe-master/build/tools #设置lmdb工具存放路径
TRAIN_DATA_ROOT=/home/nielsen/caffe-master/data/image1000test200/train/ #设置需要转换的训练集数据来源
VAL_DATA_ROOT=/home/nielsen/caffe-master/data/image1000test200/val/ #设置需要转换的验证集数据来源
# Set RESIZE=true to resize the images to 256x256. Leave as false if images have
# already been resized using another tool.
RESIZE=true #这是设置RESIZE = true,caffe就可以帮我们修改好图片的尺寸,这里imagenet网络必须是227×227的大小输入
if $RESIZE; then
RESIZE_HEIGHT=227
RESIZE_WIDTH=227
else
RESIZE_HEIGHT=0
RESIZE_WIDTH=0
fi
if [ ! -d "$TRAIN_DATA_ROOT" ]; then
echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \
"where the ImageNet training data is stored."
exit 1
fi
if [ ! -d "$VAL_DATA_ROOT" ]; then
echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \
"where the ImageNet validation data is stored."
exit 1
fi
echo "Creating train lmdb..."
#这里会调用作者已经写好的 convert_imageset 函数,通过该函数可以产生lmdb的数据,后面生成的训练集和验证集的lmdb名字需要更改
#--shuffle默认为true,表示做乱序
#--encoded可以对图像做编码压缩
GLOG_logtostderr=1 $TOOLS/convert_imageset \
--resize_height=$RESIZE_HEIGHT \
--resize_width=$RESIZE_WIDTH \
--shuffle \
$TRAIN_DATA_ROOT \
$DATA/train.txt \
$EXAMPLE/image_test_train_lmdb
echo "Creating val lmdb..."
GLOG_logtostderr=1 $TOOLS/convert_imageset \
--resize_height=$RESIZE_HEIGHT \
--resize_width=$RESIZE_WIDTH \
--shuffle \
$VAL_DATA_ROOT \
$DATA/val.txt \
$EXAMPLE/image_test_val_lmdb
echo "Done."
make_imagenet_mean.sh:
#!/usr/bin/env sh
# Compute the mean image from the imagenet training lmdb 只需要training的lmdb数据即可,不需要原数据
# N.B. this is available in data/ilsvrc12
#不要在路径前面多加空格
EXAMPLE=/home/nielsen/caffe-master/examples/image_test #设置lmdb数据来源
DATA=/home/nielsen/caffe-master/data/image1000test200 #设置生成的mean存放的路径
TOOLS=/home/nielsen/caffe-master/build/tools #设置mean工具存放路径
$TOOLS/compute_image_mean $EXAMPLE/image_test_val_lmdb \
$DATA/image_test_val_mean.binaryproto
echo "Done."
相关文章推荐
- caffe学习笔记2:计算图像数据集的均值
- 【深度学习】【caffe实用工具2】笔记24 Windows下【Caffe实用工具】之【计算图像均值】compute_image_mean的用法
- caffe学习笔记(四)--制作自己的数据集train.txt和val.txt,生成LMDB文件
- 深度学习Caffe实战笔记(20)Windows平台 Faster-RCNN 训练自己的数据集
- caffe笔记4:使用make_imagenet_mean.sh计算数据集均值
- caffe学习笔记(五)--使用自己的数据集第一次进行训练
- 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集
- 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集
- 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集
- caffe学习笔记6--训练自己的数据集
- Caffe学习笔记(七)—— solver参数说明及利用自己的数据集对权值微调
- caffe学习笔记-数据库制作及计算均值文件命令格式(windows版)
- Caffe学习笔记3——制作并训练自己的数据集
- Java学习笔记_12_File的建立和存储
- (1)caffe学习之调用预训练的网络训练自己的数据集
- caffe学习笔记3:使用caffe对自己的图像数据进行训练和测试
- Caffe学习系列(12):训练和测试自己的图片
- win7 caffe使用笔记——计算图像均值
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-1.制作自己的数据集
- caffe学习系列:计算图片数据的均值