轻量级神经网络平台tiny-dnn实践

github:   https://github.com/tiny-dnn/tiny-dnn#build

先上github下载tiny-dnn的源码

这个深度学习框架可以在多平台运行,而且不依赖任何的库,是新人上手的好项目

但是这个项目本身不带makefile
如果想在ubuntu下面运行,需要先用跨平台的编译工具cmake来生成makefile文件
故我先安装一个cmake工具,去下面的官网下载

https://cmake.org/

   我下载的版本是 cmake-3.8.0-rc3.tar.gz

然后 tar -zxvf 这个命令来解压

解压之后有个文件bootstrap脚本文件,这个是安装必不可少的

然后运行以下命令安装cmake

$sudo ./bootstrap &&sudo make &&sudo make install

然后解压 tiny-dnn-master.zip

cd 到解压出来的目录下

现在开始选择所需要开启的一些外挂

 

主要是一些提高运行速度的并行库啥的,我现在第一遍跑,不打算打开这些加速外挂
我先把例子跑一跑 需要BUILD_EXAMPLES=ON ,BUILD_TESTS=ON

执行下面的命令进行cmake

$ cmake -BUILD_EXAMPLES=ON -BUILD_TESTS=ON .

然后在tiny-dnn-master文件夹下面会生成一个makefile文件啦

然后直接

$ make

接下来开始喝杯咖啡,稍等一会儿

这个时候你可以打开tiny-dnn-master文件夹下面的example文件夹,或者test文件夹,你会看见生成一个个的可执行文件

这样ubuntu下可以运行的可执行文件就准备好了

这个时候可以开始跑代码啦,先在线训练一个mnist数据集玩一玩(使用妙算的同学不建议跑这个,有可能三个小时就过去了,我是在台式机上跑的,花费约四、五分钟)

$ ./examples/example_mnist_train data

然后继续喝杯咖啡,小憩一会。

好的,训练结束,效果如图

准确率为99.1%

反正这是一个轻量级平台,效果相当不错啦.

现在我们开始识别吧

你需要搞一张手写体图片,像下面这样

  4.bmp

将这张图片存在某个目录下,我是存放在example文件夹下面的

然后运行

$ ./examples/example_mnist_test examples/4.bmp

结果如下

可以看出,4是准确识别出来了哦(4排名第一,7排名第二,1排名第三).

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页