1数据层均值计算
2网络结构图绘制
layer {
name: "cifar"
type: "Data"
top: "data" #一般用bottom表示输入,top表示输出,多个top代表有多个输出
top: "label"
include {
phase: TRAIN #训练网络分为训练阶段和自测试阶段,如果没写include则表示该层即在测试中,又在训练中
}
transform_param {
mean_file: "examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值的操作
transform_param {
scale: 0.00390625
mirror: 1 # 1表示开启镜像,0表示关闭,也可用ture和false来表示
# 剪裁一个 227*227的图块,在训练阶段随机剪裁,在测试阶段从中间裁剪
crop_size: 227
}
}
data_param {
source: "examples/cifar10/cifar10_train_lmdb" #数据库来源
batch_size: 64 #每次批处理的个数
backend: LMDB #选用数据的名称
}
}
如上图中:
mean_file: "examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值的操作
数据预处理可以减去mean值(希望数据以0为中心化,红色代表以0为中心化),data和label都可以
那么这个均值文件怎么生成,我们可以使用caffe得命令,也可以使用python中numpy取所有图像的像素均值
这里我只介绍caffe的方式:
sudo /home/apple/caffe/build/tools/compute_image_mean /home/apple/caffe/examples/mnist/mnist_train_lmdb /home/apple/caffe_case/mean.binaryproto
使用的程序是caffe写好的python程序,路径在~/caffe/build/tools/compute_image_mean
两个参数:第一个参数指定数据集LMDB的路径;第二个参数指定生成的mean.binaryproto文件的存放路径
mean.binaryproto是无法打开查看的二进制格式
绘制网络结构需要安装两个依赖库
一个是ubuntu下安装,一个是python的pip安装
1、安装graphviz
# sudo apt-get install graphviz
2 、安装pydot
# sudo pip install pydot
sudo python /home/apple/caffe/python/draw_net.py /home/apple/caffe/examples/mnist/lenet_train_test.prototxt /home/apple/caffe_case/lenet.png --rankdir=BT
第一个参数:网络模型的prototxt文件
第二个参数:保存的图片路径及名字
第二个参数:--rankdir=x , x 有四种选项,分别是LR, RL, TB, BT 。用来表示网络的方向,分别是从左到右,从右到左,从上到小,从下到上。默认为LR。
成功安装后,绘制网络结构图
使用的程序是caffe写好的python程序,路径在程序路径~/caffe/python/draw_net.py
两个参数:第一个参数指定 .prototxt 对应的网络结构文件路径;第二个参数指定生成的 .png 文件的存放路径
第三个参数指定网络绘制方向:从左到右,从右到左,从上到小,从下到上 LR, RL, TB, BT