Caffe框架编译后会生成动态链接库libcaffe.so,其本身不能独立运行。
写一个mai()函数,调用Caffe的API,编译时包含相应的头文件,链接时加入livcaffe.so,构成一个完整的Caffe应用程序。
1、训练和预测
通过命令向caffe.bin传递不同的参数(train/test),来实现深度神经网络的训练、预测。
细读:tools/caffe.cpp(包含caffe训练选项、caffe预测选项、多GPU、finetune的内容)
2、特征提取
Caffe当做特征提取器,可以有效地降低图像数据维度,从而降低传输带宽。对特征进一步精细分类可以使用其他分类器实现。
细读:tools/extract_features.cpp
3、转换图像格式
预处理阶段将不同数据集转换为LEVELLDB和LMDB格式。
例:examples/cafar10/convert_cifar_data.cpp
tools/convert_imageset.cpp
4、计算图像均值
在数据读取层的Transform阶段,需要曲俊致操作。均值文件一般需要用原始数据计算得到。
细读:tools/compute_image_mean.cpp