训练自己的数据
来源:互联网 发布:vps搭建虚拟专用网络 编辑:程序博客网 时间:2024/05/05 21:48
为了完成毕业设计,还需要继续学习Caffe,并能够成功地训练自己的实验数据,这里整理Caffe整个训练过程。
使用Caffe训练卷积神经网络主要包括以下几个步骤:(1)预处理图像,一般是指将图像转化为具有同样大小的像素;(2)根据设计好的网络结构配置相应的网络结构文件和训练参数文件;(3)训练模型并测试结果;(4)可视化结果(如果需要)。
1.准备数据
对于图像分类而言,去ImageNet官网去下载比赛数据。但是不禁吐槽一下宿舍的网速慢的可以,真要下的话,我恐怕就要等到老掉牙了。我最后选择从自己的实验数据中抽取两类200张左右图片作为数据源。
训练数据与测试数据放在的位置是随意的,但是Caffe已经为我们安排好了文件结构,这些数据都放在../data/yourfolder/train和../data/yourfolder/test下,所以我还是规规矩矩的这样做了。
自己的数据源
123456
我参考博客的博主整理的数据源的百度云网址
http://pan.baidu.com/s/1nuqlTnN
2.图像预处理
Caffe的训练数据可以来自数据库文件leveldb和lmdb以及图片,对于Caffe数据层以及参数的介绍可以进一步参考博客 http://www.cnblogs.com/denny402/p/5070928.html
有人做过实验,说使用lmdb的读取速度比leveldb快,这里我选取lmdb实验。进一步去做的是就生成带有图片标签的train和test文件。
(1)生成标签文件
首先在examples下创建jd2文件夹,并进一步编写shell文件生成train.txt和test.txt
- 1
- 1
create_filelist.sh的文件内容如下:
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
对于图片转化为leveldb和lmdb的方法,请参考博客http://www.cnblogs.com/denny402/p/5082341.html
这里建议标签都从0开始,这样可以避免内存溢出的问题,否则你就需要按你最大的标签来写分类数。比如3,4,7,分类数字就要写成8
如果shell知识不太懂,建议先简略看一下
运行shell文件,sh examples/jd2/create_filelist.sh
,生成文件像下面:
9090
(2)转化lmdb
首先编写shell文件
- 1
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
运行shell文件生成连个文件夹img_train_lmdb和img_test_lmdb
- 在转化lmdb的时候,控制端会显示处理图像的个数,好像在window下是显示图像大小。但是如果出现处理文件为0的情况,可能是因为train.txt和test.txt文件有问题,文件名与标签之间应该是空格而不是别的。
(3)生成均值文件
图片减去均值再训练,会提高训练速度和精度。因此,一般都会有这个操作。
首先创建shell文件
- 1
- 2
- 3
- 4
3.创建模型
Caffe有现有的网络文件,我们可以使用,也可以去github寻找自己适合的网络文件。
- 1
- 2
修改solver.prototxt文件
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
对于train_val.prototxt只需修改文件路径和分类个数
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
创建shell文件并运行(训练数据)
- 1
- 2
- 3
- 4
对于solver.prototxt配置请参考
http://www.cnblogs.com/denny402/p/5074049.html
参考文献:
[1]denny的学习专栏-Caffe学习系列(12):训练和测试自己的图片
[2]薛开宇学习笔记
- 训练自己的数据
- 训练自己的数据
- caffe训练自己的数据
- caffe训练自己的数据
- Caffe训练自己的数据
- caffe训练自己的数据
- Caffe训练自己的数据
- yolo训练自己的数据
- fasterrcnn训练自己的数据
- 训练我们自己的数据
- caffe 训练自己的数据
- SSD 训练自己的数据
- caffe训练自己的数据
- caffe 训练测试自己的数据集
- Caffe上训练使用自己的数据
- Caffe 跑自己的数据和训练
- caffe训练测试自己的数据集
- 使用caffe训练自己的图像数据
- 136. Single Number [medium] (Python)
- spring-boot下热部署热启动方案测试汇总
- 盘点android中的dialog
- 【刷题之路】不使用四则运算做加法
- 欢迎使用CSDN-markdown编辑器
- 训练自己的数据
- AngularJS 服务
- SVN问题:previous operation has not finished;run 'cleanup' if it was interrupted
- 调用系统相机录像,压缩保存到相册(附仿微信视频录制demo)
- linux echo命令
- SELinux 开启和关闭
- VS2015运行OpenGL编程指南第8版的第一个示例
- windows进程间各种通信方式浅谈
- HDU5769后缀数组的简单应用