在配置文件和超参数文件都配置好了之后,想要使得网络开始训练和测试,就需要在ubuntu的命令行上运行脚本文件,也就是后缀为.sh的文件,具体如下所示:
####训练网络
#在Ubuntu的命令行上运行脚本文件train_lenet.sh
sudo sh ./bulid/tools/caffe train --solver=examples/mnist/train_lenet.sh
#下面这些参数设置是需要写在脚本文件中的一些参数
#--solver:必选参数。一个protocol buffer类型的文件,即模型的配置文件。如:
./bulid/tools/caffe train --solver examples/mnist/lenet_solver.prototxt
#-gpu:可选参数。该参数用来指定用哪一块GPU进行训练,根据GPU的id选择,如果设置为"-gpu all",则使用所有gpu运行,如果使用第三块进行运行:
/bulid/tools/caffe train --solver examples/mnist/lenet_solver.prototxt -gpu 2
#--weights:可选参数。用预先训练好的权重来fine-tuning模型,需要一个caffemodel如:
/bulid/tools/caffe train --solver examples/finetuning_on_flickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
####测试网络
# 用已经训练好的模型进行测试,使用第一块gpu,迭代100次
# /bulid/tools/caffe test --model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -interations 100
#time参数用来在屏幕上显示程序运行时间。迭代10次如:
/bulid/tools/caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10
#关于gpu
/bulid/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 0,1
/bulid/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu all