Capsules胶囊神经网络代码测试（1）——测试mnist数据

原地址：https://github.com/Sarasra/models/tree/master/research/capsules

运行必须要有GPU

下载两个数据包，第一个是 MNIST tfrecords，第二个是已经训练好的模型文件。

• Download and extract MNIST tfrecords to $DATA_DIR/ from:https://storage.googleapis.com/capsule_toronto/mnist_data.tar.gz
• Download and extract MNIST model checkpoint to $CKPT_DIR from:https://storage.googleapis.com/capsule_toronto/mnist_checkpoints.tar.gz

直接放入对应的文件夹下，结构如图所示：

首先利用训练好的模型进行测试（由于Python版本原因，可能需要把几个py文件中的xrange全部修改为range）在文件夹下打开命令行，输入：

python experiment.py --data_dir=./mnist_data/ --train=false --summary_dir=./tmp/ --checkpoint=./mnist_checkpoint/model.ckpt-1

 结果如图：

准确率达到了100%-0.24%=99.76%

然后自己训练网络，输入：

python experiment.py --data_dir=./mnist_data/ --max_steps=300000 --summary_dir=./tmp/attempt0/ 

等待结果，为了节省时间，我把max_steps设置成3000，代码设置的是每1500次自动保存一次模型

训练完成后在.\capsules\tmp\attempt0\train文件夹下会生成相应的模型文件

model.ckpt-3000.data-00000-of-00001 改名 model.ckpt-1.data-00000-of-00001

model.ckpt-3000.index 改名 model.ckpt-1.index

model.ckpt-3000.meta 改名 model.ckpt-1.meta

然后放到mnist_checkpoint文件夹下，替换原文件，再次输入

python experiment.py --data_dir=./mnist_data/ --train=false --summary_dir=./tmp/ --checkpoint=./mnist_checkpoint/model.ckpt-1

测试结果：

准确率达到了100%-0.94%=99.06%，迭代3000次就有这么高的准确率，可见胶囊神经网络确实很强大。

下一篇：Capsules胶囊神经网络代码测试（2）——测试cifar10数据