caffe上手:修改已训练好的网络并训练模型
来源:互联网 发布:软件上线方案 编辑:程序博客网 时间:2024/05/28 05:16
前面做好了lmdb和均值文件,下面以Googlenet为例修改网络并训练模型。
我们将caffe-master\models下的bvlc_googlenet文件夹复制到caffe-master\examples\imagenet下。(因为我们的lmdb和均值都在这里,放一起方便些)
打开train_val.txt,修改:
1.修改data层:
由于Googlenet有三个输出,所以改三个地方,其他网络一般只有一个输出,则改一个地方即可。
如果是微调,那么输出层的层名也要修改。(参数根据层名来初始化,由于输出改了,该层参数就不对应了,因此要改名)
接着,打开solver,修改:
这时,我们回到caffe-master\examples\imagenet下,打开train_caffenet.sh,修改:
(如果是微调,在脚本里加入-weights **/**/**.caffemodel即可,即用来微调的caffemodel路径)
(如果有多个GPU,可自行选择)然后,在caffe-master下执行改脚本即可开始训练:$caffe-master ./examples/imagenet/train_caffenet.sh
训练得到的caffemodel就可以用来做图像分类了,此时,需要(1)得到的labels.txt,(2)得到的mydata_mean.binaryproto,(3)得到的caffemodel以及已经修改过的deploy.prototxt,共四个文件,具体过程看:http://blog.csdn.net/sinat_30071459/article/details/50974695
0 0
- caffe上手:修改已训练好的网络并训练模型
- 使用已训练好的caffe模型的步骤
- caffe提取已训练好模型的特征
- Python调用已训练好的caffe模型进行分类
- 基于caffe的图像分类(3)——修改网络并训练模型
- 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-3结合caffe中的CIFAR10修改相关配置文件并训练
- caffe:使用训练好的模型
- python接口调用已训练好的caffe模型测试分类
- caffe测试已经训练好的模型的迭代次数修改
- 自己定义CNN网络模型并使用caffe训练
- 将caffe训练好的模型转换为tensorflow模型
- 利用训练好的网络参数模型批量对文字分类(caffe)
- 【caffe】用训练好的imagenet模型分类图像
- 使用caffe训练好的模型进行分类
- 用训练好的caffe模型进行分类完整版
- 使用训练好的caffe模型识别图片
- 用训练好的caffe模型来测试样本
- 利用caffe训练好的模型进行测试
- 算法提高 合并石子
- 清除浏览器js和css缓存
- STL之双端队列
- hdu5094 状态压缩dp+dps
- Tails OS 宣布将从新版本起全面转向 64 位
- caffe上手:修改已训练好的网络并训练模型
- 数据结构之双端链表
- scala高阶函数学习
- linux初学 unit8
- spring boot如何在所有bean初始化之前加载一个自定义类?
- ASR插座研发进度
- Android apk 分析工具:APK Analyzer
- poj2777-Count Color
- react-bits:组件切换