cifar10数据集的训练测试及ResNet20模型测试
来源:互联网 发布:校园网络需求报告 编辑:程序博客网 时间:2024/05/29 14:07
参考博客:http://blog.csdn.net/hongbin_xu/article/details/76407581
cifar10数据集:http://www.cs.toronto.edu/~kriz/cifar.html
CIFAR-10数据集包括由10个类别的事物,每个事物各有6000张彩色图像,每张图片的大小是32*32。
整个数据集被分成了5个训练集和1个测试集,各有10000张图片,即50000张图片用于训练,10000张图片用于测试(交叉验证)
下载数据
cd $CAFFE_ROOT./data/cifar10/get_cifar10.sh
下载完成后,$CAFFE_ROOT/data/cifar10下多出了一些文件:
训练集:
这5个文件就是分成了5份的那50000张图片:
data_batch_1.bin
data_batch_2.bin
data_batch_3.bin
data_batch_4.bin
data_batch_5.bin
测试集:
测试数据集,总共10000张图片:
test_batch.bin
类别说明:
说明了整个cifar-10数据集所包括的10个事物类别:
batches.meta.txt
图片格式转换
cd $CAFFE_ROOT./examples/cifar10/create_cifar10.sh
之后会在目录下生成三个文件:
cifar10_test_lmdb:测试集的lmdb文件
cifar10_train_lmdb:训练集的lmdb文件
mean.binaryproto:整个数据集所有图片的均值文件
训练数据集
cd $CAFFE_ROOT./examples/cifar10/train_quick.sh
如果使用的是cpu模式,需要到文件中提到的所有prototxt文件中修改solver_mode为cpu。最后训练完时的准确率是75%左右,效果并不是很好。
下面用ResNet模型精确度可以达到90%以上
测试模型
测试时用到了caffe的python接口,所以一定要先编译并配置好了好了pycaffe。
我们不自己从头写python代码了,使用caffe提供的$CAFFE_ROOT/python/classify.py文件,参考自:http://blog.csdn.net/asukasmallriver/article/details/73089944
打开classify.py:
在图中所示位置添加一行代码,目的是修改均值计算错误 :
mean=mean.mean(1).mean(1)
将预测的结果打印出来:
print("Predictions:%s" % predictions) #在如图位置添加
添加如下代码到最后,目的是将结果排序,并找到对应的是什么:
# match the result labelNums = len(predictions[0]) labels = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'] for i in range(labelNums): if i == 0: maxPrediction = predictions[0][i] maxIndex = i else: if maxPrediction < predictions[0][i]: maxIndex = i maxPrediction = predictions[0][i] print(labels[maxIndex])
修改完就可以来测试了,caffe在$CAFFE_ROOT/examples/images下有一些图片:
python python/classify.py --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel --center_only examples/images/cat.jpg foo
cifar数据集训练的结果识别效果不是很好,准确率较低,这里仅做学习实验用.
ResNet20模型进行测试
ResNet:https://github.com/junyuseu/ResNet-on-Cifar10
下载模型到cifar10下,修改.prototxt文件中的数据集路径
测试:
./build/tools/caffe test -model res20_cifar_train_test.prototxt -weights ResNet_20.caffemodel -iterations 100 #batch_size为100,所以这里设置迭代次数为100次
最终测试结果:
- cifar10数据集的训练测试及ResNet20模型测试
- matconvnet环境下训练自己的数据集及模型测试-mnist网络结构-cifar10部分数据集
- cifar10的模型测试
- cifar10神经网络训练测试及代码解析
- tensorflow cifar10数据集的测试
- caffe——cifar10模型训练自己的数据
- 修改版Alexnet模型训练CIFAR10数据集程序的总结
- FCN训练自己的数据集及测试
- Tensorflow-SSD测试及训练自己的数据集
- FCN训练自己的数据集及测试
- 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
- Windows下mnist数据集caffemodel分类模型训练及测试
- Caffe实战:LeNet模型训练测试MNIST数据集
- caffe Resnet-50模型训练及测试
- VggNet10模型的cifar10深度学习训练
- caffe 训练测试自己的数据集
- caffe训练测试自己的数据集
- caffe基础-14cifar10数据集的训练
- Postman参数化使用以及中文乱码问题解决
- 我的老公是枚码农
- [已解决]关于python无法显示中文的问题:SyntaxError: Non-ASCII character '\xe4' in file test.py on line 3, but no enc
- factory 定义的服务
- Keras tutorial
- cifar10数据集的训练测试及ResNet20模型测试
- 树剖学习笔记(一)
- 条件变量和信号量
- Android中JNI 的一些常用说明 JNI_OnLoad registerNatives registerNativeMethods
- 10年后,程序员的薪资还会这么高么?
- NOIP2017普及组★成绩
- Android——自定义拦截器实现OKHttp网络请求
- 11.15 标准库
- FMI飞马网【线下】FMI2017人工智能前沿应用与人才发展论坛!