关闭

Windows下使用Caffe-Resnet

79人阅读 评论(0) 收藏 举报
分类:

参考文章:

        编译历程参考:CNN:Windows下编译使用Caffe和Caffe2           

        caffe的VS版本源代码直接保留了sample里面的shell命令,当然这些shell命令在Windows平台下是不能运行的,需要稍微修改一下,转换为CMD可以理解的脚本代码。


一、使用cifar数据集合。

     1.获取cifar10数据集get_cifar10数据集:

echo "Downloading..." wget --no-check-certificate http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz echo "Unzipping..." tar -xf cifar-10-binary.tar.gz && rm -f cifar-10-binary.tar.gz mv cifar-10-batches-bin/* . && rm -rf cifar-10-batches-bin

       还是直接下载划算。


      2. 生成标准格式的数据集合create_cifar10.sh:

set -e EXAMPLE=examples/cifar10 DATA=data/cifar10 DBTYPE=lmdb echo "Creating $DBTYPE..." rm -rf $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/cifar10_test_$DBTYPE ./build/examples/cifar10/convert_cifar_data.bin $DATA $EXAMPLE $DBTYPE echo "Computing image mean..." ./build/tools/compute_image_mean -backend=$DBTYPE \ $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/mean.binaryproto echo "Done."

      cifar10数据集合使用了二进制的bin文件,对于我们来说几乎没有任何意义,只是作为一个测试流程使用。

      修改为cmd命令:

convert_cifar_data.exe E:/DataSet/cifar10 E:/DataSet/cifar10 lmdb

      把e盘cifar10文件夹下面的文件转换为lmdb格式,到同目录下。

      分别生成train和test文件夹,每个文件夹下面存在两个lock.lmdb和data.lmdb文件。

      至于为何使用lmdb格式的文件,请到知乎搜索....................


       然后修改为cmd命令:   

 compute_image_mean.exe -backend=lmdb E:/DataSet/cifar10/cifar10_train_lmdb E:/DataSet/cifar10/mean.binaryprot

       依次生成lmdb文件,mean.binaryproto文件

二、开始使用Caffe网络

       修改Caffe的train_quick命令,修改为:

caffe.exe train --solver=E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt

       可以从

cifar10_quick_solver.prototxt

      启动简单的caffe网络,开始训练过程


      prototxt配置文件里面初始参数是这样的:

name: "CIFAR10_quick" layer { 
 name: "cifar" type: "Data" top: "data" top: "label" include { phase: TRAIN 
} 
transform_param { 
mean_file: "E:/DataSet/cifar10/mean.binaryproto"
 } 
data_param{ 
source: "E:/DataSet/cifar10/cifar10_train_lmdb" batch_size: 100 backend: LMDB 
} 
} 
layer{ 
name: "cifar" type: "Data" top: "data" top: "label" include { phase: TEST } 
transform_param { 
mean_file: "E:/DataSet/cifar10/mean.binaryproto"
 } 
data_param { source: "E:/DataSet/cifar10/cifar10_test_lmdb" batch_size: 100 backend: LMDB 
} 
}



     训练完成后,生成.model文件。留作使用。


 三、注意事项

      1. 在使用初始化的过程中,使用protobuf解析网络配置文件,出现默认初始化问题。    

     

       在solver_param.mutable_train_state()->set_level(FLAGS_level);

           CHECK(ReadProtoFromTextFile(param_file, param));

           ReadProtoFromTextFile(filename.c_str(), proto);

           bool success = google::protobuf::TextFormat::Parse(input, proto);/

     调用栈之中,解析文件目录为  filename = 0x0000029ed8a371a0 "E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt"

     而 默认初始化 net 目录和+        snapshot_prefix_  为  0x0000029ee0ead6b0 "examples/cifar10/cifar10_quick"   ,是相当悲剧的行为。

     下载源码,编译后,调试进入,

         载回头来看这些繁琐的东西,真是蛋疼。


三、开始使用残差网络

       修改E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt 文件,修改为:

#net: "E:/DataSet/cifar10/Net/cifar10_quick_train_test.prototxt"
net: "E:/DataSet/Net/ResNet-50-deploy.prototxt"

       可以直接使用caffe的ResNet50网络

      
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:828146次
    • 积分:11561
    • 等级:
    • 排名:第1403名
    • 原创:281篇
    • 转载:282篇
    • 译文:28篇
    • 评论:181条