Caffe实践C++源码解读（1）：如何跑demo

最新推荐文章于 2022-05-13 11:33:41 发布

aitazhixin

最新推荐文章于 2022-05-13 11:33:41 发布

阅读量712

点赞数

分类专栏：算法 AI 文章标签： caffe

本文链接：https://blog.csdn.net/aitazhixin/article/details/78550714

版权

通过下载Caffe的demo，了解如何运行和执行预测。训练模型使用命令`caffe train --solver solver.txt`，若需要加载预训练权重或迁移学习，可添加`--weight init.caffemodel`或`--snapshot snapshotfile.solvestate`。测试阶段，使用`caffe test --weight test.caffemodel --model test.txt --iteration test_iteration`。源码解析中，关键在于tools目录下caffe.cpp的train()和test()函数，它们实现了训练和测试流程，CPU训练时需提供权重文件。

摘要由CSDN通过智能技术生成

学习一种工具最简单和最有效的方法是download一个demo，根据教程模拟。Caffe作为深度学习框架，它也是一种工具，官方提供了一些demo，主要是在Caffe运行的网络架构文件。那么如何跑起一个demo呢？或者如何用demo直接做预测呢？

训练：caffe train --solver solver.txt 这样就可以了，如果有已训练好的参数或者进行学习迁移finetuning，那么训练的参数可以添加 "--weight init.caffemodel"或者"--snapshot snapshotfile.solvestate"

测试或预测：caffe test --weight test.caffemodel --model test.txt --iteration test_iteration

更加深入的理解，还要从源码出发，首先Caffe源码的tools目录下的caffe.cpp是生成可执行文件的源码，其中定义了train()和test()两个函数分别执行训练和测试，也可以自定义函数执行特定操作。

首先看train()函数：

  CHECK_GT(FLAGS_solver.size(), 0) << "Need a solver definition to train.";
  CHECK(!FLAGS_snapshot.size() || !FLAGS_weights.size())
      << "Give a snapshot to resume training or weights to finetune "
      "but not both.";

首先检查是否有solver.txt文件，文件名可自定义，但是内容必须