caffe中 cifar10案例(一)训练模型
2017-07-01 21:04
483 查看
1. 背景知识
cifar10数据训练样本50000张,测试样本10000张,每张为32*32的彩色三通道图片,共分为10类。
2. 下载数据:
直接运行这个脚本速度特慢,用迅雷直接下载http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz,放到 /opt/caffe-master/data/cifar10下,并解压,出来一大堆bin文件。
3. 转换数据格式为lmdb
转换成功后,会在 examples/cifar10/文件夹下生成两个文件夹,cifar10_train_lmdb和cifar10_test_lmdb,里面的文件就是我们需要的文件。
由于没有配置GPU,因此在examples/cifar10/cifar10_quick_solver.prototxt和 cifar10_quick_solver_lr1.prototxt文件中,最后一行,设为solver_mode: CPU
为了节省时间,进行快速训练(train_quick),训练分为两个阶段,第一个阶段(迭代4000次)调用配置文件cifar10_quick_solver.prototxt,学习率(base_lr)为0.001。
4. 训练数据
cifar10数据训练样本50000张,测试样本10000张,每张为32*32的彩色三通道图片,共分为10类。
2. 下载数据:
$ cd /opt/caffe-master $ sudo sh data/cifar10/get_cifar10.sh
直接运行这个脚本速度特慢,用迅雷直接下载http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz,放到 /opt/caffe-master/data/cifar10下,并解压,出来一大堆bin文件。
3. 转换数据格式为lmdb
$ sh examples/cifar10/create_cifar10.sh
转换成功后,会在 examples/cifar10/文件夹下生成两个文件夹,cifar10_train_lmdb和cifar10_test_lmdb,里面的文件就是我们需要的文件。
由于没有配置GPU,因此在examples/cifar10/cifar10_quick_solver.prototxt和 cifar10_quick_solver_lr1.prototxt文件中,最后一行,设为solver_mode: CPU
为了节省时间,进行快速训练(train_quick),训练分为两个阶段,第一个阶段(迭代4000次)调用配置文件cifar10_quick_solver.prototxt,学习率(base_lr)为0.001。
4. 训练数据
$sudo time sh examples/cifar10/train_quick.sh
相关文章推荐
- 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
- 【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中 cifar10案例(三)模型可视化
- 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-2生成图像库的均值文件
- 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-3结合caffe中的CIFAR10修改相关配置文件并训练
- 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初试(三)使用caffe的cifar10网络模型训练自己的图片数据
- Ubuntu14.04LTS下应用Caffe训练Cifar10错误案例分析与解决方案1
- caffe中 cifar10案例(二)使用模型
- Ubuntu14.04LTS下应用Caffe训练Cifar10错误案例分析与解决方案1
- 用训练好的caffe模型来测试样本
- caffe——模型训练数据的过程
- caffe在中断之后的模型继续训练
- 使用MATLAB加载训练好的caffe模型进行识别分类
- caffe的python接口学习(6):用训练好的模型(caffemodel)来分类新的图片
- 【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训练自己的图片分类模型
- caffe根据训练出的模型提取特征
- caffe(三)用训练好的模型简单训练一下
- 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