【Caffe】训练ImageNet模型
来源:互联网 发布:局域网电影服务器软件 编辑:程序博客网 时间:2024/04/30 15:15
【原文:http://blog.csdn.net/pirage/article/details/17553549】
Caffe训练ImageNet使用的是NIPS 2012 paper论文的算法。
1、准备数据。
假设已经下载好数据集和验证集,存储路径为:
/path/to/imagenet/train/n01440764/n01440764_10026.JPEG
/path/to/imagenet/val/ILSVRC2012_val_00000001.JPEG
首选需要创建一个txt文件,列举出所有图像以及对应的lable,caffe包“python/caffe/imagenet/ilsvrc_2012_train.txt”和“ilsvrc_2012_val.txt”两个文件分别是标好的训练集和验证集的文件,共分为1000类。
还需要注意的是,所有的图像都需要归一到同样的尺寸。
2、转化生成训练集。
运行下面的命令:
GLOG_logtostderr=1 examples/convert_imageset.bin /path/to/imagenet/train/ python/caffe/imagenet/ilsvrc_2012_train.txt /path/to/imagenet-train-leveldb
生成文件存储在“/path/to/imagenet-train_leveldb”路径下。
3、计算图像均值。
执行命令:
examples/demo_compute_image_mean.bin /path/to/imagenet-train-leveldb /path/to/mean.binaryproto
第一个参数是执行脚本代码,第二个参数是上一步生成的数据集,第三个参数是存储图像均值的目录路径。
4、定义网络。
ImageNet的网络定义在“examples/imagenet.prototxt”文件中,使用时需要修改里面source和meanfile变量的值,指向自己文件的路径。
仔细观察imagenet.prototxt和imagenet_val.prototxt文件可以发现,训练和验证的参数大部分都相同,不同之处在于初始层和最后一层。训练时,使用softmax_loss层来计算损失函数和初始化后向传播,验证时,使用accuracy层来预测精确度。
在文件“examples/imagenet_solver.prototxt”中定义solver协议,同样需要修改train_net和test_net的路径。
5、训练网络。
执行命令:
GLOG_logtostderr=1 examples/train_net.bin examples/imagenet_solver.prototxt
6、在python中使用已经训练好的模型。
Caffe只提供封装好的imagenet模型,给定一副图像,直接计算出图像的特征和进行预测。首先需要下载模型文件。
Python代码如下:
- from caffe import imagenet
- from matplotlib import pyplot
- # Set the right path to your model file, pretrained model
- # and the image you would like to classify.
- MODEL_FILE = 'examples/imagenet_deploy.prototxt'
- PRETRAINED = '/home/jiayq/Downloads/caffe_reference_imagenet_model’
- IMAGE_FILE = '/home/jiayq/lena.png'
- net = imagenet.ImageNetClassifier(MODEL_FILE, PRETRAINED)
- #预测
- prediction = net.predict(IMAGE_FILE)
- #绘制预测图像
- print 'prediction shape:', prediction.shape
- pyplot.plot(prediction)
- prediction shape: (1000,)
- [<matplotlib.lines.Line2D at 0x8faf4d0>] #结果如图所示
图上的横轴表示的label,纵轴表示在该类别上的概率,有图我们看到,lena.jpg被分到了”sombrero”这组,结果还算准确。
结束语
更多内容请参考http://daggerfs.com/caffe/
- 【Caffe】训练ImageNet模型
- 【Caffe】训练ImageNet模型
- 【Caffe】训练ImageNet模型
- 【Caffe】训练ImageNet模型
- Caffe训练ImageNet
- 【caffe】用训练好的imagenet模型分类图像
- 如何利用Caffe训练ImageNet分类网络
- 【Caffe实践】如何利用Caffe训练ImageNet分类网络
- Caffe实践】如何利用Caffe训练ImageNet分类网络
- caffe模型训练
- caffe模型训练方法
- Caffe CPU训练模型
- Caffe:Imagenet
- Windows环境下使用 Caffe在ImageNet上训练网络
- 目标检测模型(不用在ImageNet上预训练)
- caffe模型训练小技巧
- caffe python接口:模型训练
- Caffe环境AlexNet模型训练
- Android属性动画完全解析(中),ValueAnimator和ObjectAnimator的高级用法
- [基本实验] %00截断攻击的探索
- Project Euler:Problem 89 Roman numerals
- BP神经网络
- POJ 3259
- 【Caffe】训练ImageNet模型
- 【工作笔记0003】网站真假分页个人观点
- 施一公的医师科学家
- 盘点中国未来最具潜力的IT培训学校前5名
- OC-NO.3数组
- nyoj1036 非洲小孩
- 隐藏iframe实现局部刷新
- 聚类算法总结
- Spring深入理解