BWN-XNOR-caffe-master训练二进制cifar数据集

BWN-XNOR-caffe-master安装还有一些注意事项在上一个博客
目的:为了提高卷积过程的速度,和把caffe移植到FPGA上

cd BWN-XNOR-caffe-master
./data/cifar10/get_cifar10.sh  #该脚本会下载二进制的cifar,并解压,会在/data/cifar10中出现很多batch文件  
./examples/cifar10/create_cifar10.sh #运行后将会在examples中出现数据集./cifar10_xxx_lmdb和数据集图像均值./mean.binaryprot

修改examples/cifar10/train_nobias.sh

#!/usr/bin/env sh

TOOLS=./build/tools

GLOG_log_dir=examples/cifar10/log 

$TOOLS/caffe train \
  --solver=examples/cifar10/cifar10_full.nobias.solver $@

就是把– gpu $1 给删了
或者你在cifar10_full.nobias.solver文件中把最后两行的

solver_mode: GPU
device_id: 3
改为
solver_mode: GPU
device_id: 1
或者
solver_mode: CPU
device_id: 0

训练

./examples/cifar10/train_nobias.sh

会得到两个文件

cifar10_full_nobias_iter_40000.caffemodel
cifar10_full_nobias_iter_40000.solverstate

以下是在caffe-master中的过程

cd caffe-master
./data/cifar10/get_cifar10.sh  #该脚本会下载二进制的cifar,并解压,会在/data/cifar10中出现很多batch文件  
./examples/cifar10/create_cifar10.sh #运行后将会在examples中出现数据集./cifar10_xxx_lmdb和数据集图像均值./mean.binaryprot

训练

./examples/cifar10/train_quick.sh

会得到两个文件

 cifar10_quick_iter_4000.caffemodel.h5

 cifar10_quick_iter_4000.solverstate.h5

检测

python python/classify.py examples/images/cat.jpg  #这是用ImageNet模型检测的
python python/classify.py --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 --center_only  examples/images/cat.jpg foo  #这是用我们自己的模型检测的

可能会出现的问题:
运行classify.py时报错 Mean shape incompatible with input shape
解决:
修改 ./python/caffe/io.py 文件

if ms != self.inputs[in_][1:]:  
    raise ValueError('Mean shape incompatible with input shape.')  

修改为:

if ms != self.inputs[in_][1:]:
                print(self.inputs[in_])  
                in_shape = self.inputs[in_][1:]  
                m_min, m_max = mean.min(), mean.max()  
                normal_mean = (mean - m_min) / (m_max - m_min)  
                mean = resize_image(normal_mean.transpose((1,2,0)), in_shape[1:]).transpose((2,0,1)) 
                (m_max - m_min) + m_min  

即可.
以下为运行结果:
这里写图片描述

为了能够显示测试图片种类以及置信度,网上有位网友写了一个classify.py
地址:http://download.csdn.net/detail/caisenchuan/9513196
下载后替换Python/classify.py
因为这个classify.py增加了几个参数 –labels_file、–print_results、–force_grayscale可以显示预测结果,同时博主发现这个文件有问题,你直接运行是输出不了结果的,需要修改171行

 'synset_id': l.strip().split(' ')[0],
 'name': ' '.join(l.strip().split(' ')[1:]).split(',')[0]

修改为

'name': l.strip().split(' ')[0],
'synset_id': ' '.join(l.strip().split(' ')[1:]).split(',')[0]

之后cd到caffe-master,终端运行

python python/classify.py --print_results --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 --labels_file data/cifar10/batches.meta.txt  --center_only  examples/images/cat.jpg foo

显示结果
这里写图片描述

评论 2
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