Caffe——训练和测试自己的图片
来源:互联网 发布:国内开会软件 编辑:程序博客网 时间:2024/05/29 18:55
Caffe——训练和测试自己的图片
下面我们要训练和测试自己的图片来,好激动。我们搜集来一些图片共500张,分为大巴车、恐龙、大象、鲜花和马五个类,每个类100张。需要的同学,可到这个网盘下载:http://pan.baidu.com/s/1nuqlTnN。
编号分别以1,2,3,4,5,6,7开头,各为一类。我从其中每类选出20张作为测试,其余80张作为训练。因此最终训练图片400张,测试图片100张,共5类。我将图片放在caffe根目录下的data文件夹下面。即训练图片目录:data/re/train/ ,测试图片目录: data/re/test/
二/转换文件格式lmdb
首先,在examples下面创建一个myfile的文件夹,用来存放配置文件和脚本文件。然后编写一个脚本create_filelist.sh,用来生成train.txt和test.txt清单文件。
sudo mkdir examples/myfilesudo vi examples/myfile/create_filelist.sh
编辑此文件,写入以下代码,并保存
#!/usr/bin/env shDATA=data/re/MY=examples/myfileecho "Create train.txt..."rm -rf $MY/train.txtfor i in 3 4 5 6 7 dofind $DATA/train -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/train.txtdoneecho "Create test.txt..."rm -rf $MY/test.txtfor i in 3 4 5 6 7dofind $DATA/test -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/test.txtdoneecho "All done"
运行脚本
# sh examples/myfile/create_filelist.sh
运行成功,会在examples/myfile/文件夹下生成train.txt和test.txt两个文件,里面为图片列表清单。接着再编写一个脚本文件,调用convert_imageset命令来转换数据格式。
# sudo vi examples/myfile/create_lmdb.sh
#!/usr/bin/env shMY=examples/myfileecho "Create train lmdb.."rm -rf $MY/img_train_lmdbbuild/tools/convert_imageset \--shuffle \--resize_height=256 \--resize_width=256 \/home/xxx/caffe/data/re/ \$MY/train.txt \$MY/img_train_lmdbecho "Create test lmdb.."rm -rf $MY/img_test_lmdbbuild/tools/convert_imageset \--shuffle \--resize_width=256 \--resize_height=256 \/home/xxx/caffe/data/re/ \$MY/test.txt \$MY/img_test_lmdbecho "All Done.."
三 计算均值并保存
图片减去均值再训练,会提高训练速度和精度。因此,一般会有这个操作。
caffe程序提供了一个计算均值的文件compute_image_mean.cpp,我们可以直接使用。
# sudo build/tools/compute_image_mean examples/myfile/img_train_lmdb examples/myfile/mean.binaryproto
compute_image_mean带两个参数,第一个参数是lmdb训练数据位置,第二个参数设定均值文件的名字及保存路径。运行成功后,会在examples/myfile/下面生成一个mean.binaryproto的均值文件。
四 创建模型并编写配置文件
模型我们使用自带的caffenet模型,位置在models/bvlc_reference_caffenet/文件夹下,将需要的两个配置文件,复制到myfile文件夹内。
sudo cp models/bvlc_reference_caffenet/solver.prototxt examples/myfile/sudo cp models/bvlc_reference_caffenet/train_val.prototxt examples/myfile/
修solver.prototxt
net: "examples/myfile/train_val.prototxt"test_iter: 2test_interval: 50base_lr: 0.001lr_policy: "step"gamma: 0.1stepsize: 100display: 20max_iter: 500momentum: 0.9weight_decay: 0.005solver_mode: GPU
100个测试数据,batch_size为50,因此test_iter为2,就能全部覆盖,在训练过程中,调整学习率,逐步变小。修改train_val.protxt, 只需修改两个阶段的data层就可以。
name: "CaffeNet"layer { name: "data" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { mirror: true crop_size: 227 mean_file: "examples/myfile/mean.binaryproto" } data_param { source: "examples/myfile/img_train_lmdb" batch_size: 256 backend: LMDB }}layer { name: "data" type: "Data" top: "data" top: "label" include { phase: TEST } transform_param { mirror: false crop_size: 227 mean_file: "examples/myfile/mean.binaryproto" } data_param { source: "examples/myfile/img_test_lmdb" batch_size: 50 backend: LMDB }}
实际上就是修改两个data layer的mean_file和source这两个地方,其它都没有变化 。
五 训练和测试
# sudo build/tools/caffe train -solver examples/myfile/solver.prototxt
- Caffe——训练和测试自己的图片
- Caffe 学习——训练和测试自己的图片
- Caffe学习(8)——训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe傻瓜系列(9):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列:训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe系列(9):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe傻瓜系列(9):训练和测试自己的图片
- caffe之训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Caffe学习系列(12):训练和测试自己的图片
- Mysql 导入数据慢的解决方法
- 在 CentOS 7 中使用 Nginx 和 PHP7-FPM 安装 Nextcloud
- 高并发高负载系统架构-php篇
- IE6兼容性问题及IE6常见bug详细汇总
- 重复点击工具类
- Caffe——训练和测试自己的图片
- 什么是HIS、PACS、LIS、RIS
- 集合-Map
- 三个案例带你看懂LayoutInflater中inflate方法两个参数和三个参数的区别
- 求1000以内素数平均值
- 原型模式prototype-发送邮件实例
- BAT批处理中选择分支后启动新窗口执行命令的示例
- Django Channels 实时在线用户列表
- WebRoot与WebContent区别