前言
想要顺利跑通18版本的深度学习,需要三个条件。
1、需要一张支持GPU加速的显卡(18版本不支持CPU训练)。
2、配置深度学习环境(这个相对于Caffe、Tenserflow、Pytorch环境配置要简单的多,只需参考我这篇博客就行https://blog.csdn.net/qq_18620653/article/details/105329219)。
3、安装Halcon软件以及深度学习库。Halcon-18.11.1.0-windows.exe软件以及深度学习库halcon-18.11.1.0-windows-deep-learning下载链接:https://pan.baidu.com/s/14dpJXWaXJvZP7__4fNU5Lg
提取码:tege
OK,以上三个都满足了。接下来为了方便刚刚接触Halcon深度学习的童鞋快速理解例子以及上手应用。通过对例子的理解,我将例子总结为:数据处理、网络训练参数设置、训练网络、验证、测试。
数据处理
1、文件数据处理(获取每张图像对应的标签以及要分的种类名称)
保存处理后图像目标存放文件夹以及每张图像名称命名
2、图像处理(去除背景以及改变图像大小)
3、划分数据集
网络训练参数设置
初始化网络模型参数,18版本目前只支持GPU训练,不支持CPU。
训练网络
将处理后的图像、对应标签以及初始化的网络参数输入到网络中训练。
其实Halcon中提供的分类网络模型有三种(详细介绍https://blog.csdn.net/qq_18620653/article/details/106035517),这里使用的是迷你型网络模型,感兴趣的可以试试另外两种模型(如果你的硬件配置足够好的话)
验证
测试
测试例子中默认为CPU环境测试,当然也可以GPU环境测试。
代码
**代码链接:
https://blog.csdn.net/qq_18620653/article/details/106043671