原文地址:http://blog.csdn.net/hjimce/article/details/48933813
作者:hjimce
本文主要讲解caffe的整个使用流程,适用于初级入门caffe,通过学习本篇博文,理清项目训练、测试流程。初级教程,高手请绕道。
我们知道,在caffe编译完后,在caffe目录下会生成一个build目录,在build目录下有个tools,这个里面有个可执行文件caffe,如下图所示:
有了这个可执行文件我们就可以进行模型的训练,只需要学会调用这个可执行文件就可以了,这便是最简单的caffe学习,不需要对caffe底层的东西懂太多,只需要会调参数,就可以构建自己的网络,然后调用这个可执行文件就可以进行训练,当然如果你不仅仅是调参数,而且想要更改相关的算法,那就要深入学习caffe的底层函数调用了,这个以后再讲。本篇博文仅适合于刚入门学习caffe,高手请绕道。废话不多说,回归正题:
一、总流程
完成一个简单的自己的网络模型训练预测,主要包含几个步骤:
1、数据格式处理,也就是把我们的图片.jpg,.png等图片以及标注标签,打包在一起,搞成caffe可以直接方便调用的文件。后面我将具体讲解如何打包自己的数据,让caffe进行调用。
2、编写网络结构文件,这个文件的后缀格式是.prototxt。就是编写你的网络有多少层,每一层有多少个特征图,输入、输出……。看个例子,看一下caffe-》example-》mnist-》lenet_train_test.prototxt。这个便是手写字体网络结构文件了,我们需要根据自己的需要学会修改这个文件:
-
<span style=
"font-size:18px;">name:
"LeNet"
-
layer {
-
name:
"mnist"
-
type:
"Data"
//data层
-
top:
"data"
-
top:
"label"
-
include {
-
phase: TRAIN
//训练阶段
-
}
-
transform_param {
-
scale:
0.00390625
//对所有的图片归一化到0~1之间,也就是对输入数据全部乘以scale,0.0039= 1/255
-
}
-
data_param {
-
source:
"examples/mnist/mnist_train_lmdb"
//训练数据图片路径
-
batch_size:
64
//每次训练采用的图片64张,min-batch
-
backend: LMDB
-
}
-
}
-
layer {
-
name:
"mnist"
-
type:
"Data"
-
top:
"data"
-
top:
"label"
-
include {
-
phase: TEST
//测试
-
}
-
transform_param {
-
scale:
0.00390625
-
}
-
data_param {
-
source:
"examples/mnist/mnist_test_lmdb"
//测试数据图片路径
-
batch_size:
100
-
backend: LMDB
-
}
-
}
-
layer {
-
name:
"conv1"
//卷积神经网络的第一层,卷积层
-
type:
"Convolution"
//这层操作为卷积
-
bottom:
"data"
//这一层的前一层是data层
-
top:
"conv1"
//
-
param {
-
lr_mult:
1
-
}
-
param {
-
lr_mult:
2
-
}
-
convolution_param {
-
num_output:
20
//定义输出特征图个数
-
kernel_size:
5
//定义卷积核大小
-
stride:
1
-
weight_filler {
-
type:
"xavier"
-
}
-
bias_filler {
-
type:
"constant"
-
}
-
}
-
}
-
layer {
-
name:
"pool1"
-
type:
"Pooling"
//池化层,这一层的操作为池化
-
bottom:
"conv1"
//这一层的前面一层名字为:conv1
-
top:
"pool1"
-
pooling_param {
-
pool: MAX
//最大池化
-
kernel_size:
2
-
stride:
2
-
}
-
}
-
layer {
-
name:
"conv2"
-
type:
"Convolution"
-
bottom:
"pool1"
-
top:
"conv2"
-
param {
-
lr_mult:
1
-
}
-
param {
-
lr_mult:
2
-
}
-
convolution_param {
-
num_output:
50
-
kernel_size:
5
-
stride:
1
-
weight_filler {
-
type:
"xavier"
-
}
-
bias_filler {
-
type:
"constant"
-
}
-
}
-
}
-
layer {
-
name:
"pool2"
-
type:
"Pooling"
-
bottom:
"conv2"
-
top:
"pool2"
-
pooling_param {
-
pool: MAX
-
kernel_size:
2
-
stride:
2
-
}
-
}
-
layer {
-
name:
"ip1"
-
type:
"InnerProduct"
-
bottom:
"pool2"
-
top:
"ip1"
-
param {
-
lr_mult:
1
-
}
-
param {
-
lr_mult:
2
-
}
-
inner_product_param {
-
num_output:
500
-
weight_filler {
-
type:
"xavier"
-
}
-
bias_filler {
-
type:
"constant"
-
}
-
}
-
}
-
layer {
-
name:
"relu1"
-
type:
"ReLU"
-
bottom:
"ip1"
-
top:
"ip1"
-
}
-
layer {
-
name:
"ip2"
-
type:
"InnerProduct"
-
bottom:
"ip1"
-
top:
"ip2"
-
param {
-
lr_mult:
1
-
}
-
param {
-
lr_mult:
2
-
}
-
inner_product_param {
-
num_output:
10
-
weight_filler {
-
type:
"xavier"
-
}
-
bias_filler {
-
type:
"constant"
-
}
-
}
-
}
-
layer {
-
name:
"accuracy"
-
type:
"Accuracy"
-
bottom:
"ip2"
-
bottom:
"label"
-
top:
"accuracy"
-
include {
-
phase: TEST
-
}
-
}
-
layer {
-
name:
"loss"
-
type:
"SoftmaxWithLoss"
-
bottom:
"ip2"
-
bottom:
"label"
-
top:
"loss"
-
}</span>
上面的网络结构,定义的data层,就是定义我们输入的训练数据的路径、图片变换等。
3、网络求解文件,这个文件我们喜欢把它取名为:solver.prototxt,这个文件的后缀格式也是.prototxt。这个文件主要包含了一些求解网络,梯度下降参数、迭代次数等参数……,看下手写字体的solver.prototxt文件:
-
<span style=
"font-size:18px;">net:
"examples/mnist/lenet_train_test.prototxt"
//定义网络结构文件,也就是我们上一步编写的文件
-
-
test_iter:
100
-
-
test_interval:
500
//每隔500次用测试数据,做一次验证
-
-
base_lr:
0.01
//学习率
-
momentum:
0.9
//动量参数
-
weight_decay:
0.0005
//权重衰减系数
-
-
lr_policy:
"inv"
//梯度下降的相关优化策略
-
gamma:
0.0001
-
power:
0.75
-
-
display:
100
-
-
max_iter:
10000
//最大迭代次数
-
-
snapshot:
5000
//每迭代5000次,保存一次结果
-
snapshot_prefix:
"examples/mnist/lenet"
//保存结果路径
-
-
solver_mode: GPU
//训练硬件设备选择GPU还是CPU</span>
这个文件的输入就是我们前面一步定义的网络结构。
4、编写网络求解文件后,我们可以说已经完成了CNN网络的编写。接着我们需要把这个文件,作为caffe的输入参数,调用caffe可执行文件,进行训练就可以了。具体的命令如下:
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
这样就完事了,程序就开始训练了。上面的第一个参数caffe,就是我们在编译caffe,生成的可执行文件:
然后solver就是我们在步骤3编写的solver文件了,只要在ubuntu终端输入上面的命令,就可以开始训练了。
回想一下文件调用过程:首先caffe可执行文件,调用了solver.prototxt文件,而这个文件又调用了网络结构文件lenet_train_test.prototxt,然后lenet_train_test.prototxt文件里面又会调用输入的训练图片数据等。因此我们如果要训练自己的模型,需要备好3个文件:数据文件lmdb(该文件包含寻数据)、网络结构lenet_train_test.prototxt、求解文件solver.prototxt,这几个文件名随便,但是文件后缀格式不要随便乱改。把这三个文件放在同一个目录下,然后在终端输入命令,调用caffe就可以开始训练了。
二、相关细节
1、lmdb数据格式生成
caffe输入训练图片数据我比较喜欢用lmdb格式,好像还有另外一种格式leveldb,这个具体没用过,这里主要讲解lmdb格式数据的制作。其实在caffe-》example-》imagenet文件夹下面的一些脚本文件可以帮助我们快速生产相关的caffe所需的数据。
create_imagenet.sh这个文件可以帮我们快速的生成lmdb的数据格式文件,因此我们只需要把这个脚本文件复制出来,稍作修改,就可以对我们的训练图片、标注文件进行打包为lmdb格式文件了。制作图片的脚本文件如下:
-
<span style=
"font-size:18px;">
#!/usr/bin/env sh
-
# Create the imagenet lmdb inputs
-
# N.B. set the path to the imagenet train + val data dirs
-
-
EXAMPLE=.
# 生成模型训练数据文化夹
-
TOOLS=../../build/tools
# caffe的工具库,不用变
-
DATA=.
# python脚步处理后数据路径
-
-
TRAIN_DATA_ROOT=train/
#待处理的训练数据图片路径
-
VAL_DATA_ROOT=val/
# 带处理的验证数据图片路径
-
-
-
-
# Set RESIZE=true to resize the images to 256x256. Leave as false if images have
-
# already been resized using another tool.
-
RESIZE=true
#图片缩放
-
if $RESIZE; then
-
RESIZE_HEIGHT=
256
-
RESIZE_WIDTH=
256
-
else
-
RESIZE_HEIGHT=
0
-
RESIZE_WIDTH=
0
-
fi
-
-
if [ ! -d
"$TRAIN_DATA_ROOT" ]; then
-
echo
"Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
-
echo
"Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \
-
"where the ImageNet training data is stored."
-
exit
1
-
fi
-
-
if [ ! -d
"$VAL_DATA_ROOT" ]; then
-
echo
"Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
-
echo
"Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \
-
"where the ImageNet validation data is stored."
-
exit
1
-
fi
-
-
echo
"Creating train lmdb..."
-
-
GLOG_logtostderr=
1 $TOOLS/convert_imageset \
-
--resize_height=$RESIZE_HEIGHT \
-
--resize_width=$RESIZE_WIDTH \
-
--shuffle \
-
$TRAIN_DATA_ROOT \
-
$DATA/train.txt \
#标签训练数据文件
-
$EXAMPLE/train_lmdb
-
-
echo
"Creating val lmdb..."
-
-
GLOG_logtostderr=
1 $TOOLS/convert_imageset \
-
--resize_height=$RESIZE_HEIGHT \
-
--resize_width=$RESIZE_WIDTH \
-
--shuffle \
-
$VAL_DATA_ROOT \
-
$DATA/val.txt \
#验证集标签数据
-
$EXAMPLE/val_lmdb
-
-
echo
"Done."</span>
同时我们需要制作如下四个文件:
1、文件夹train,用于存放训练图片
2、文件夹val,用于存放验证图片
3、文件train.txt,里面包含这每张图片的名称,及其对应的标签。
-
<span style=
"font-size:18px;">first_batch/train_female/
992.jpg
1
-
first_batch/train_female/
993.jpg
1
-
first_batch/train_female/
994.jpg
1
-
first_batch/train_female/
995.jpg
1
-
first_batch/train_female/
996.jpg
1
-
first_batch/train_female/
997.jpg
1
-
first_batch/train_female/
998.jpg
1
-
first_batch/train_female/
999.jpg
1
-
first_batch/train_male/
1000.jpg
0
-
first_batch/train_male/
1001.jpg
0
-
first_batch/train_male/
1002.jpg
0
-
first_batch/train_male/
1003.jpg
0
-
first_batch/train_male/
1004.jpg
0
-
first_batch/train_male/
1005.jpg
0
-
first_batch/train_male/
1006.jpg
0
-
first_batch/train_male/
1007.jpg
0
-
first_batch/train_male/
1008.jpg
0</span>
上面的标签编号:1,表示女。标签:0,表示男。
4、文件val.txt,同样这个文件也是保存图片名称及其对应的标签。
这四个文件在上面的脚本文件中,都需要调用到。制作玩后,跑一下上面的脚本文件,就ok了,跑完后,即将生成下面两个文件夹:
文件夹下面有两个对应的文件:
制作完后,要看看文件的大小,有没有问题,如果就几k,那么正常是每做好训练数据,除非你的训练图片就几张。
二、训练
1、直接训练法
-
#!/usr/bin/env sh
-
TOOLS=../cafferead/build/tools
-
$TOOLS/caffe train --solver=gender_solver.prorotxt -gpu all
#加入 -gpu 选项
-gpu 可以选择gpu的id号,如果是 -gpu all表示启用所有的GPU进行训练。
2、采用funing-tuning 训练法
$TOOLS/caffe train --solver=gender_solver.prorotxt -weights gender_net.caffemodel #加入-weights
加入-weights,这个功能很好用,也经常会用到,因为现在的CNN相关的文献,很多都是在已有的模型基础上,进行fine-tuning,因为我们大部分人都缺少训练数据,不像谷歌、百度这些土豪公司,有很多人专门做数据标注,对于小公司而言,往往缺少标注好的训练数据。因此我们一般使用fine-tuning的方法,在少量数据的情况下,尽可能的提高精度。我们可以使用:-weights 选项,利用已有的模型训练好的参数,作为初始值,进行继续训练。
三、调用python接口
训练完毕后,我们就可以得到caffe的训练模型了,接着我们的目标就预测,看看结果了。caffe为我们提供了方便调用的python接口函数,这些都在模块pycaffe里面。因此我们还需要知道如何使用pycaffe,进行测试,查看结果。下面是pycaffe的预测调用使用示例:
-
# coding=utf-8
-
import os
-
import numpy
as np
-
from matplotlib
import pyplot
as plt
-
import cv2
-
import shutil
-
import time
-
-
#因为RGB和BGR需要调换一下才能显示
-
def showimage(im):
-
if im.ndim ==
3:
-
im = im[:, :, ::
-1]
-
plt.set_cmap(
'jet')
-
plt.imshow(im)
-
plt.show()
-
-
#特征可视化显示,padval用于调整亮度
-
def vis_square(data, padsize=1, padval=0):
-
data -= data.min()
-
data /= data.max()
-
-
#因为我们要把某一层的特征图都显示到一个figure上,因此需要计算每个图片占用figure多少比例,以及绘制的位置
-
n = int(np.ceil(np.sqrt(data.shape[
0])))
-
padding = ((
0, n **
2 - data.shape[
0]), (
0, padsize), (
0, padsize)) + ((
0,
0),) * (data.ndim -
3)
-
data = np.pad(data, padding, mode=
'constant', constant_values=(padval, padval))
-
-
# tile the filters into an image
-
data = data.reshape((n, n) + data.shape[
1:]).transpose((
0,
2,
1,
3) + tuple(range(
4, data.ndim +
1)))
-
data = data.reshape((n * data.shape[
1], n * data.shape[
3]) + data.shape[
4:])
-
-
showimage(data)
-
-
-
#设置caffe源码所在的路径
-
caffe_root =
'../../../caffe/'
-
import sys
-
sys.path.insert(
0, caffe_root +
'python')
-
import caffe
-
-
-
-
-
#加载均值文件
-
mean_filename=
'./imagenet_mean.binaryproto'
-
proto_data = open(mean_filename,
"rb").read()
-
a = caffe.io.caffe_pb2.BlobProto.FromString(proto_data)
-
mean = caffe.io.blobproto_to_array(a)[
0]
-
-
#创建网络,并加载已经训练好的模型文件
-
gender_net_pretrained=
'./caffenet_train_iter_1500.caffemodel'
-
gender_net_model_file=
'./deploy_gender.prototxt'
-
gender_net = caffe.Classifier(gender_net_model_file, gender_net_pretrained,mean=mean,
-
channel_swap=(
2,
1,
0),
#RGB通道与BGR
-
raw_scale=
255,
#把图片归一化到0~1之间
-
image_dims=(
256,
256))
#设置输入图片的大小
-
-
-
#预测分类及其可特征视化
-
gender_list=[
'Male',
'Female']
-
input_image = caffe.io.load_image(
'1.jpg')
#读取图片
-
-
prediction_gender=gender_net.predict([input_image])
#预测图片性别
-
#打印我们训练每一层的参数形状
-
print
'params:'
-
for k, v
in gender_net.params.items():
-
print
'weight:'
-
print (k, v[
0].data.shape)
#在每一层的参数blob中,caffe用vector存储了两个blob变量,用v[0]表示weight
-
print
'b:'
-
print (k, v[
1].data.shape)
#用v[1]表示偏置参数
-
#conv1滤波器可视化
-
filters = gender_net.params[
'conv1'][
0].data
-
vis_square(filters.transpose(
0,
2,
3,
1))
-
#conv2滤波器可视化
-
'''filters = gender_net.params['conv2'][0].data
-
vis_square(filters[:48].reshape(48**2, 5, 5))'''
-
#特征图
-
print
'feature maps:'
-
for k, v
in gender_net.blobs.items():
-
print (k, v.data.shape);
-
feat = gender_net.blobs[k].data[
0,
0:
4]
#显示名字为k的网络层,第一张图片所生成的4张feature maps
-
vis_square(feat, padval=
1)
-
-
-
-
-
-
#显示原图片,以及分类预测结果
-
str_gender=gender_list[prediction_gender[
0].argmax()]
-
print str_gender
-
-
plt.imshow(input_image)
-
plt.title(str_gender)
-
plt.show()
上面的接口,同时包含了pycaffe加载训练好的模型,进行预测及其特征可视化的调用方法。