Caffe for windows 训练cifar10数据集


Caffe for windows 训练cifar10数据集  

关于如何在windows操作系统上安装和配置caffe的问题,可见链接:http://blog.csdn.net/mmmmmttttff/article/details/51023523(这里使用的是happynear版本)

我的本机环境如下:

操作系统版本

Windows10-64.专业增强版

内存

8G

CPU

酷睿I7-8核

GPU

NVIDIA GTX960

CUDA

7.0

CUDNN

v2.0

VS2013

64

(1)  安装配置成功

Happynear版本的ciffe 安装配置好之后,点击运行根目录下的run_mnist.bat脚本就可以进行训练mnist数据了。

(2)下载cifar-10-binary.tar.gz,解压后是bin后缀的二进制文件,保存到自己设置的路径下。

(3) 用VS打开.sln工程文件,可以看到如下:


注意:这里红笔标注的项目“convert_cifar_data”在happynear版本没有,是我自己添加的。很简单,重新创建一个空的win32控制台程序项目,创建之后更改为x64Release模式(因为之前都是在用这个模式,Debug模式下可能会出现一系列问题,这个确实有)之后仿照别的项目,例如”convert_mnist_data“,将一些必要的C++ include 和link需要添加的库都设置好。如图:


再将原来在root\examples\cifar10文件夹下的convert_cifar_data.cpp文件添加到该项目中,就可以编译了(只编译这一个项目就行)

(4)生成的convert_cifar_data.exe文件在bin文件夹下(和caffe.exe处在同一个目录中),这个就是我们要用的执行文件,专门处理cifar data.

(5) convert_cifar_data.exe该如何使用?这里我们可以在该目录下打开命令提示符窗口,输入convert_cifar_data.exe -help 回车,如下图所示:


红色标注部分的就是输入格式,“convert_cifar_data.exe 输入数据文件路径  输出数据文件路径  数据格式” 这里的数据格式指的是caffe支持的Leveldb和Lmdb两种格式,这里要写leveldb:

之后在文件夹data1下就可以看到:


打开文件夹查看文件,这个时候是这样的:


(6)我们还要将数据进行均值化处理,这就需要使用compute_image_mean.exe 执行文件了,调用如下:


其中-backend=”leveldb”指明数据的格式是leveldb,之后是刚才生成的训练数据集的路径,这里要注意必须是训练数据的路径,而不是val验证数据集的路径,最后是输出均值文件名,后缀是binaryproto。这里默认保存在当前路径下。


(7)配置网络文件

  这个版本的网络配置文件有很多,我这里使用这个cifar10_quick_train_test.prototxt。打开之后修改一下训练数据和验证数据以及均值文件的路径即可:

注意同时也要修改设置数据的格式为LEVELDB (默认的是LMDB),保存。



(8) 训练和测试

由于上面使用了cifar10_quick_train_test.prototxt,对应的在模型训练设置文件上我们使用cifar10_quick_solver.prototxt,这里其实不需要修改内容,当然你也可以自己指定一些参数。

或者编写bat脚本或者直接在命令行窗口输入:

.\bin\caffe.exe train--solver=examples/cifar10/cifar10_quick_solver.prototxt  回车,就可以了。

要是想进行验证的话,可以修改命令为:

.\bin\caffe.exe test --model=examples/cifar10/cifar10_quick_train_test.prototxt

--weights=examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5-gpu=0

(这里使用了现在存在的model,并且使用GPU)

使用快照命令可以添加如下:

--snapshot=examples/cifar10/cifar10_quick_iter_4000.solverstate

 

总结:还是比较简单的步骤。确实在windows上是比较麻烦一些。只是我自己一个人研究了半天。。。

评论 8
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