BWN-XNOR-caffe-master训练二进制cifar数据集

BWN-XNOR-caffe-master安装还有一些注意事项在上一个博客
目的:为了提高卷积过程的速度,和把caffe移植到FPGA上

cd BWN-XNOR-caffe-master

./data/cifar10/get_cifar10.sh  #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  ./examples/cifar10/create_cifar10.sh #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.binaryprot

修改examples/cifar10/train_nobias.sh

#!/usr/bin/env shTOOLS=./build/toolsGLOG_log_dir=examples/cifar10/log $TOOLS/caffe train \  --solver=examples/cifar10/cifar10_full.nobias.solver $@

就是把– gpu $1 给删了
或者你在cifar10_full.nobias.solver文件中把最后两行的

solver_mode: GPUdevice_id: 3改为solver_mode: GPUdevice_id: 1或者solver_mode: CPUdevice_id: 0

训练

./examples/cifar10/train_nobias.sh

会得到两个文件

cifar10_full_nobias_iter_40000.caffemodelcifar10_full_nobias_iter_40000.solverstate

---

以下是在caffe-master中的过程

cd caffe-master

./data/cifar10/get_cifar10.sh  #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  ./examples/cifar10/create_cifar10.sh #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.binaryprot

训练

./examples/cifar10/train_quick.sh

会得到两个文件

 cifar10_quick_iter_4000.caffemodel.h5 cifar10_quick_iter_4000.solverstate.h5

检测

python python/classify.py examples/images/cat.jpg  #这是用ImageNet模型检测的

python python/classify.py --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 --center_only  examples/images/cat.jpg foo  #这是用我们自己的模型检测的

可能会出现的问题:
运行classify.py时报错 Mean shape incompatible with input shape
解决:
修改 ./python/caffe/io.py 文件
将

if ms != self.inputs[in_][1:]:      raise ValueError('Mean shape incompatible with input shape.')  

修改为:

if ms != self.inputs[in_][1:]:                print(self.inputs[in_])                  in_shape = self.inputs[in_][1:]                  m_min, m_max = mean.min(), mean.max()                  normal_mean = (mean - m_min) / (m_max - m_min)                  mean = resize_image(normal_mean.transpose((1,2,0)), in_shape[1:]).transpose((2,0,1))                 (m_max - m_min) + m_min  

即可.
以下为运行结果:

为了能够显示测试图片种类以及置信度，网上有位网友写了一个classify.py
地址：http://download.csdn.net/detail/caisenchuan/9513196
下载后替换Python/classify.py
因为这个classify.py增加了几个参数 –labels_file、–print_results、–force_grayscale可以显示预测结果，同时博主发现这个文件有问题，你直接运行是输出不了结果的，需要修改171行

 'synset_id': l.strip().split(' ')[0], 'name': ' '.join(l.strip().split(' ')[1:]).split(',')[0]

修改为

'name': l.strip().split(' ')[0],'synset_id': ' '.join(l.strip().split(' ')[1:]).split(',')[0]

之后cd到caffe-master，终端运行

python python/classify.py --print_results --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 --labels_file data/cifar10/batches.meta.txt  --center_only  examples/images/cat.jpg foo

显示结果