caffe学习与使用
2018-03-21 10:58
281 查看
最初一直使用window7 + tensorflow-gpu版本,用anaconda一键配置,傻瓜式的方法,但出问题了调试困难。
因学习需要,安装好了Ubuntu + caffe,在linux下进行训练不仅可以增加对软件原理的理解,也有助于提高码农等级。
1.获取数据,./data/mnist/get_mnist.sh
2.转换格式,./examples/mnist/create_mnist.sh(给予权限chmod 777 *.sh)
3.使用letnet网络,数据层、卷积层、池化层、激活层和全连接层(letnet_train_test.prototxt)
4.配置训练参数,learning—rate,batch_size,epoch等等,(letnet_solver.prototxt)
5.新建文件夹保存模型,修改letnet_solver.prototxt中snapshot_prefix路径
6.使用train_lenet.sh进行训练
7.使用模型参数进行测试(./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel -gpu=0)
4000
当然,这是一个最简单的例子,在这个使用过程中并没有设计到数据预处理,网络结构配置和调参工作,但从这个例子中我们可以看到caffe设计的理念:
caffe主要是以文本的方式来设计和修改参数,如网络结构一般用 net_train.prototxt,训练参数一般用 net_slover.prototxt,生成模型caffemodel文件,均以文本形式展示
caffe保存数据为lmdb或者leveldb,用到create_data和convert_data,将原始数据转换为可以处理的lmdb文件
网络结构和训练均以C++形式展开,调整和训练时非常简单和快捷
因学习需要,安装好了Ubuntu + caffe,在linux下进行训练不仅可以增加对软件原理的理解,也有助于提高码农等级。
caffe训练mnist记录
(详细内容:http://blog.csdn.net/susu79/article/details/55188717 )1.获取数据,./data/mnist/get_mnist.sh
2.转换格式,./examples/mnist/create_mnist.sh(给予权限chmod 777 *.sh)
3.使用letnet网络,数据层、卷积层、池化层、激活层和全连接层(letnet_train_test.prototxt)
4.配置训练参数,learning—rate,batch_size,epoch等等,(letnet_solver.prototxt)
5.新建文件夹保存模型,修改letnet_solver.prototxt中snapshot_prefix路径
6.使用train_lenet.sh进行训练
7.使用模型参数进行测试(./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel -gpu=0)
4000
当然,这是一个最简单的例子,在这个使用过程中并没有设计到数据预处理,网络结构配置和调参工作,但从这个例子中我们可以看到caffe设计的理念:
caffe主要是以文本的方式来设计和修改参数,如网络结构一般用 net_train.prototxt,训练参数一般用 net_slover.prototxt,生成模型caffemodel文件,均以文本形式展示
caffe保存数据为lmdb或者leveldb,用到create_data和convert_data,将原始数据转换为可以处理的lmdb文件
网络结构和训练均以C++形式展开,调整和训练时非常简单和快捷
相关文章推荐
- Caffe学习:使用pycaffe读取caffemodel参数
- DL学习笔记【2】caffe使用步骤详解
- caffe入门学习:caffe.Classifier的使用
- Caffe学习笔记二 mnist的使用
- caffe学习笔记2:使用pycaffe提取CNN特征
- Windows下使用深度学习框架caffe学习笔记(1)
- Caffe学习:使用pycaffe生成mean_file.py文件
- ubuntu14使用python绘制caffe的深度学习网络结构
- 【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>
- 【神经网络与深度学习】Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 新增linux账户来使用深度学习框架-caffe
- caffe学习:通过研读classification.cpp了解如何使用caffe模型
- 【深度学习】笔记3_caffe自带的第一个例子,Mnist手写数字识别所使用的LeNet网络模型的详细解释
- Caffe学习:使用pycaffe读取caffemodel参数
- 【深度学习】关于解决caffe中draw_net无法使用的问题
- 【神经网络与深度学习】Caffe源码中各种依赖库的作用及简单使用
- Caffe学习:使用pycaffe读取mean.binaryproto文件参数
- 【神经网络与深度学习】Caffe使用step by step:caffe框架下的基本操作和分析
- Caffe学习:使用pycaffe绘制网络结构
- caffe学习入门:pycaffe的使用