运行caffe自带的Cifar10实例教程

     CIFAR-10数据集含有6万个32*32的彩色图像,共分为10种类型,。包含50000张训练图片,10000张测试图片,数据集的数据存在一个10000*3072的numpy数组中,单位是uint8s,3072是存储了一个32*32的彩色图像。(3072=1024*3)。前1024位是r值,中间1024是g值,后面1024是b值。主要作用是小图片分类。


第一步:打开caffe根目录

 cd ~/caffe/caffe-master

第二步: 下载数据

根目录下执行:
 sudo sh data/cifar10/get_cifar10.sh

运行成功后,会在 data/cifar10/文件夹下生成一堆bin文件

第三步:转换数据格式为lmdb

根目录下执行:

 sudo sh examples/cifar10/create_cifar10.sh

转换成功后,会在 examples/cifar10/文件夹下生成两个文件夹,cifar10_train_lmdb和cifar10_test_lmdb, 里面的文件就是我们需要的文件。

第四步:配置文件

       为了节省时间,我们进行快速训练(train_quick),训练分为两个阶段,第一个阶段(迭代4000次)调用配置文件cifar10_quick_solver.prototxt, 学习率(base_lr)为0.001。第二阶段(迭代1000次)调用配置文件cifar10_quick_solver_lr1.prototxt,学习率(base_lr)为0.0001。

       首先打开cifar10_quick_solver.prototxt文件,执行下面指令,将base_lr设置为0.001

sudo vi examples/cifar10/cifar10_quick_solver.prototxt

       然后保存后,再打开cifar10_quick_solver_lr1.prototxt,打开的指令如下,将学习率设置为base_lr=0.0001  

sudo vi examples/cifar10/cifar10_quick_solver_lr1.prototxt

       其实如果你有GPU且已经完全安装好,这一步可以省略,我们这里的GPU是安装好的,所以打开文件只是看一下内容并熟悉这种方法。

第五步:运行例子

在根目录下执行指令:

sudo time sh examples/cifar10/train_quick.sh

在GPU下运行时间大约是5分钟,精度是75.08%,最终运行结果见下面图片。



  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值