使用LeNet网络训练Caltech101数据集
来源:互联网 发布:微分销源码 .net 编辑:程序博客网 时间:2024/05/21 12:40
1. 下载caltech101数据集
caltech101(101类图像数据库)数据集
下载数据集地址:caltech101数据集
点击 101_ObjectCategories.tar.gz (131Mbytes)下载数据集
2.将下载的tar.gz文件上传到 caffe/data目录下,到对应的目录下执行命令:
解压缩。
caffe数据集的创建需要两个文件: train.txt 和 val.txt, 格式为 图片路径+类别编号
这里用用运行gettxt.py自动生成train.txt和val.txt,gettxt.py的代码如下:
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import os
root = os.getcwd() #获取当前路径
data = '101_ObjectCategories' #101数据集的文件夹名称
path = os.listdir(root+'/'+ data) #显示该路径下所有文件
path.sort()
vp = 0.1 #测试集合取总数据前10%
ftr = open('train.txt','w')
fva = open('val.txt','w')
i = 0
for line in path:
subdir = root+'/'+ data +'/'+line
childpath = os.listdir(subdir)
mid = int(vp*len(childpath))
for child in childpath[:mid]:
subpath = data+'/'+line+'/'+child;
d = ' %s' %(i)
t = subpath + d
fva.write(t +'\n')
for child in childpath[mid:]:
subpath = data+'/'+line+'/'+child;
d = ' %s' %(i)
t = subpath + d
ftr.write(t +'\n')
i=i+1
ftr.close() #关闭文件流
fva.close()
3 运行gettxt.py文件:到caffe/data输入命令目录下:python gettxt.py
结果如下:
4 生成lmdb文件
mkdir calt101net # 在caffe/examples下建立一个新文件夹
将caffe/examples/imagenet下的create_imagenet.sh 复制到calt101net中
修改create_imagenet.sh内容:
5 运行 ./examples/calt101net/create_imagenet.sh 生成lmdb文件,运行结果如下图所示
6 把 caffe/examples/mnist下的lenet_train_test.prototxt,lenet_solver.prototxt,train_lenet.sh复制到calt101net中。
修改lenet_train_test.prototxt:
修改lenet_solver.prototxt:
修改train_lenet.sh:
7 训练网络
使用命令:
- 使用LeNet网络训练Caltech101数据集
- caffe训练mnist数据集使用lenet网络
- 待完成任务(一) 利用自己的数据集 利用lenet网络进行训练
- Caffe MNIST训练lenet网络
- 使用lenet模型训练及预测自己的图片数据
- Caffe实战:LeNet模型训练测试MNIST数据集
- ubuntu16.04 caffe 数据集MNIST 训练LeNet
- 【caffe】mnist数据集lenet训练与测试
- 修改lenet网络进行训练(一)
- 修改lenet网络进行训练(二)
- 【caffe】使用自己的图像数据训练lenet并用opencv进行预测
- caffe示例实现之4在MNIST手写数字数据集上训练与测试LeNet
- caffe示例实现之4在MNIST手写数字数据集上训练与测试LeNet
- caffe示例实现之4在MNIST手写数字数据集上训练与测试LeNet
- Caffe 实践 在数据集MNIST上使用LeNet
- (Caffe,LeNet)网络训练流程(二)
- (Caffe,LeNet)初始化训练网络(三)
- Windows平台基于Caffe框架的LeNet网络训练
- vim
- android颜色对应的xml配置值,颜色表
- JDBC底层代码
- C#构造函数、操作符重载以及自定义类型转换
- 第六篇 蜂鸣器和app_timer
- 使用LeNet网络训练Caltech101数据集
- 复制移动文件时对于目标文件系统过大怎么办
- 翻译 | 摆脱浏览器限制的JavaScript
- 二层转三层报文正常流程
- 关于实例方法, 类方法和静态方法的思考
- Python 实现自动刷CSDN博客浏览量
- 【学习笔记】nodejs之包管理npm/yarn
- 100. Same Tree
- leetcode 90. Subsets II DFS深度优先搜索 + 全排列