深度学习Caffe平台实例——CIFAR-10数据集在caffe平台上模型训练及实例使用模型进行预测
来源:互联网 发布:淘宝客的 店铺推广 编辑:程序博客网 时间:2024/05/24 01:50
一、CIFAR-10数据模型训练
1.下载二进制的cifar文件
cd $CAFFE_ROOT
./data/cifar10/get_cifar10.sh
说明:该脚本会下载二进制的cifar,并解压,会在/data/cifar10中出现很多batch文件,如下图所示:
2.生成数据集库和数据集图像均值文件
cd $CAFFE_ROOT
./examples/cifar10/create_cifar10.sh
说明:运行后将会在examples中出现数据集cifar10_xxx_lmdb和数据集图像均值mean.binaryproto,如下图所示:
3.选择CPU或GPU训练方式
CIFAR-10比较小,可以用GPU训练,当然也可以用CPU训练。为了比较CPU和GPU的训练速度,通过修改cifar*solver.prototxt中的一行代码来实现。
4.以“quick”模型进行训练,生成模型
cd $CAFFE_ROOT
./examples/cifar10/train_quick.sh
说明:先以0.001的学习率迭代4000次,再以0.01的学习率接着再迭代1000次,共5000次。训练后生成模型文件:
cifar10_quick_iter_4000.caffemodel.h5、ifar10_quick_iter_4000.solverstate.h5,
结果如下图所示,生成
二、在终端使用python接口应用模型预测
方法:caffe开发团队实际上也编写了一个python版本的分类文件,路径为python/classify.py,也即是:使用python/classify.py代码进行图像文件预测。但是,该文件有两个问题:第一、均值计算错误。第二、预测结果保存至文件中看不到。因此,先解决这两个问题:
1.修改均值计算错误
在classify.py文件找到
mean = np.load(args.mean_file)
在下面加上一行:
mean=mean.mean(1).mean(1)
如图:
2.添加在终端命令行中显示结果代码,代码太长,如下图所示:
3.根据上述代码,修改分类标签文件内容,如下图所示:
标签文件主目录下caffe/data/clfar10下,名字为:batches.meta.txt
4.找到测试图片
测试图片为主目录/caffe/examples/images下cat.jpg文件,如下图所示:
5.使用classify.py对caffe自带的测试图片cat.jpg进行分类预测。
python python/classify.py --print_results --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_5000.caffemodel.h5 --labels_file data/cifar10/batches.meta.txt --center_only examples/images/cat.jpg foo
执行命令如下图所示:
执行结果如下图所示:
命令行参数说明:--print_results 输入出结果
--model_def 模型定义文件
--pretrained_model 训练后的文件
--labels_file 标签文件
Foo 测试结果存放文件
三、小结
本文档是对CIFAR-10数据集在caffe平台下进行训练生成模型,以及根据数据模型对图像数据进行分类预测的完整文档。目前,互联网上这样的完整文档较少,其中,结果分类文件和标签文件花费了本人将近一天的时间。因此,制作该详细文档,以利于后来的小伙伴们。
四、参考资料
http://www.cnblogs.com/alexcai/p/5468164.html
http://blog.csdn.net/dcxhun3/article/details/52021296
- 深度学习Caffe平台实例——CIFAR-10数据集在caffe平台上模型训练及实例使用模型进行预测
- CIFAR-10在caffe上进行训练
- CIFAR-10在caffe上进行训练与学习
- 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-4应用生成模型进行预测
- CIFAR-10 在Caffe上训练学习
- caffe学习(二) CIFAR-10数据集上训练
- caffe读书笔记1 CIFAR-10在caffe上进行训练与学习
- caffe读书笔记1 CIFAR-10在caffe上进行训练与学习
- 计算机视觉caffe之路第三篇:CIFAR-10数据集训练及预测实例
- Caffe—用训练好的模型对数据进行预测
- caffe示例实现之1在CIFAR-10数据集上训练与测试Caffe
- CIFAR-10在caffe上进行训练与学习出现compute_image_mean: not found问题
- caffe练习实例(2)——cifar10在caffe上训练学习
- 深度学习Caffe实战笔记(21)Windows平台 Faster-RCNN 训练好的模型测试数据
- caffe用自己的数据集训练深度网络模型——windows平台适用
- 【神经网络与深度学习】Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- Ubuntu+caffe训练cifar-10数据集
- 【caffe】caffe 在已有模型上继续训练模型
- 开源威胁情报工具和技术
- 子段求和
- kmp算法
- 将博客搬至CSDN
- 对程序注释的理解
- 深度学习Caffe平台实例——CIFAR-10数据集在caffe平台上模型训练及实例使用模型进行预测
- Qt中用QSS切分图片
- c#学习
- redis作为消息队列实现代码
- 在ListCtrl控件中插入图标
- (八)、循环结构
- 91集Android开发安卓开发实战视频全集
- Android Volley完全解析(二),使用Volley加载网络图片
- 为什么要用PolyFill(JS中的修补匠)