caffe搭建--WINDOWS+VS2013下生成caffe并进行cifar10分类测试
2017-06-07 14:58
627 查看
http://blog.csdn.net/naaaa/article/details/52118437
标签: windowsvs2013caffecifar102016-08-04 15:33 1316人阅读 评论(1) 收藏 举报
![](https://oscdn.geek-share.com/Uploads/Images/Content/201611/b367fdce88ee208da19a58e7fab01f44.jpg)
分类:
caffe
版权声明:本文为博主原创文章,未经博主允许不得转载。
1.下载vs2013,安装
http://download.microsoft.com/download/0/7/5/0755898A-ED1B-4E11-BC04-6B9B7D82B1E4/VS2013_RTM_ULT_CHS.iso
2.下载caffe源代码,解压
https://github.com/Microsoft/caffe
将caffe-master/windows下CommonSettings.props.example后面的.example去掉。
3.gpu配置
带gpu的配置:
下载cuda:
https://developer.nvidia.com/cuda-downloads
根据自己的显卡选择下载的版本
双击exe进行安装
下载cudnn:
https://developer.nvidia.com/cudnn
下载v4或v5版本
解压后分别将lib、include、bin文件夹下的文件复制到cuda安装目录下的lib、include、bin文件夹下
(默认为:c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x)
无gpu的配置:
记事本打开caffe-master/windows下的CommonSettings.prop修改:
<CpuOnlyBuild>false</CpuOnlyBuild>为<CpuOnlyBuild>true</CpuOnlyBuild>
<UseCuDNN>true</UseCuDNN>为<UseCuDNN>false</UseCuDNN>
编译每个项目前设置:
项目->属性->配置属性->c/c++->预处理器->预处理器定义,添加一项CPU_ONLY
4.生成libcaffe
打开caffe-mastetr/windows下的Caffe.sln
所有项目都要用到libcaffe.lib,所以第一个要编译这个项目。
libcaffe有很多相关的库,工程里已经配置好了可以用NuGet进行下载。
我们需要安装NuGet包管理器并启动它。
下载Nuget:
工具->扩展和更新->联机,搜索NuGet,下载Nuget 包管理
(也可以网站直接下载http://docs.nuget.org/consume/installing-nuget,双击安装)
启动Nuget:
右键工程->启用NuGet程序包还原。
接着生成libcaffe会在caffe-master\Build\x64\Debug下生成libcaffe.lib
(后续所有的exe文件也都是生成在这个目录)
5.cifar10训练数据
http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
下载数据到caffe-master\data\cifar10,解压。
下载的数据为binary格式,需要转换为leveldb。
编译convert_cifar_data项目,生成convert_cifar_data.exe。
打开cmd,cd到caffe-master\Build\x64\Debug,输入命令(后续所有命令都是在这个路径下):
convert_cifar_data.exe ../../../data/cifar10/cifar-10-batches-bin ../../../data/cifar10 leveldb
在caffe-master\data\cifar10文件夹下生成cifar10_test_leveldb和cifar10_train_leveldb文件夹
6.求数据图像均值
编译compute_image_mean项目,生成compute_image_mean.exe
cmd输入命令:
compute_image_mean.exe ../../../data/cifar10/cifar10_train_leveldb ../../../data/cifar10/mean.binaryproto --backend=leveldb
7.训练cifar10模型
打开caffe-master\examples\cifar10\cifar10_quick_solver.prototxt文件:
修改路径:examples/cifar10 为 ../../../examples/cifar10(两处)
修改最后一行为:solver_mode: CPU(用gpu就不用改这一项)
打开caffe-master\examples\cifar10\ cifar10_quick_train_test.prototxt文件:
修改backend: LMDB 为 backend: LEVELDB(两处)
修改mean_file: "examples/cifar10/mean.binaryproto" 为 mean_file:"../../../data/cifar10/mean.binaryproto"(两处)
修改source: "examples/cifar10/cifar10_train_lmdb" 为 source:"../../../data/cifar10/cifar10_train_leveldb"
修改source: "examples/cifar10/cifar10_test_lmdb" 为 source:"../../../data/cifar10/cifar10_test_leveldb"
编译caffe项目,生成caffe.exe
cmd输入命令:caffe.exe train --solver=../../../examples/cifar10/cifar10_quick_solver.prototxt 训练网络
CPU训练会训练好久,训练完成后caffe-master/examples/cifar10文件夹下生成
cifar10_quick_iter_4000.caffemodel.h5
cifar10_quick_iter_4000.solverstate.h5
8.对图像进行分类
在caffe-master\data\cifar10下新建文本文件synset_words.txt。
文件内容是cifar10里面包含的分类种类,如下:
[plain] view plain copy
print?
airplane
automobile
bird
cat
deer
dog
frog
horse
ship
truck
编译classification项目,生成classification.exe
命令行输入:
classification.exe ../../../examples/cifar10/cifar10_quick.prototxt ../../../examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 ../../../data/cifar10/mean.binaryproto ../../../data/cifar10/synset_words.txt ../../../examples/images/cat.jpg
就会出来分类结果,我的结果:
[plain] view plain copy
print?
---------- Prediction for ../../../examples/images/cat.jpg ----------
0.9784 - "deer"
0.0100 - "cat"
0.0094 - "bird"
0.0017 - "frog"
0.0004 - "dog"
参考博文:http://blog.csdn.net/zb1165048017/article/details/51476516
相关文章推荐
- caffe搭建以及初步学习--win7-vs2013-gtx650tiboost-cuda8.0-cifar10训练和测试-2-完整解决方案cifar10_full_solver.prototxt
- caffe搭建以及初步学习--win7-vs2013-gtx650tiboost-cuda8.0-cifar10训练和测试-2-快速解决方案cifar10_quick_solver.prototxt
- 【神经网络与深度学习】【Qt开发】【VS开发】从caffe-windows-visual studio2013到Qt5.7使用caffemodel进行分类的移植过程
- 【神经网络与深度学习】【Qt开发】【VS开发】从caffe-windows-visual studio2013到Qt5.7使用caffemodel进行分类的移植过程<二>
- Windows下用VS2013加载caffemodel做图像分类
- Windows下用VS2013加载caffemodel做图像分类
- Windows 7+VS2013将caffe编译成动态链接库并进行调用
- Windows10+Caffe+CUDA7.5+VS2013环境配置
- Windows 下(VS2013)编译 Caffe Fast RCNN (CPU Only)
- win10下caffe环境搭建: win10 + vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2 (python 2.7) 目前未使用GPU
- Windows开发环境搭建(安装 VS2010, VS2013, Windows Server 2008 R2)
- caffe for windows 下使用caffemodel 实现cifar10的图像分类
- 用Caffe搭建自己的网络,并用图片进行测试
- window下编译Caffe时(Windows10+Caffe+CUDA7.5+VS2013)注意事项
- 基于chyh1990/caffe-compact在windows vs2013上编译caffe步骤
- Windows_X64 + ATI显卡 + VS2013 安装Caffe
- Windows下VS2013 C++编译测试faster-rcnn
- 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-4应用生成模型进行预测
- caffe for windows 实现cifar10图像训练生成caffemodel
- Windows Caffe 学习笔记(四)搭建自己的网络,训练和测试MNIST手写字体库