参考博文:https://blog.csdn.net/elaine_bao/article/details/53117676
caffe的整个流程就是从顶向下:caffe可执行文件调用solver文件,然后sovler文件调用模型文件,在模型文件中调用数据文件。
1.进入Xshell6中连接服务器,进入服务器上安装好了的docker,查看docker镜像。
2.启动相应的环境容器,这也是docker的优势。它类似一个轻量的虚拟机,使得环境独立,本地只需要镜像文件就可以。
创建好docker后,已经进入了该容器中的workspace。
但caffe环境在根目录的opt下,进入caffe。
3.先获取mnist数据集。在caffe环境下有获得该数据集的脚本。
cd data/mnist/
执行脚本
./get_mnist.sh
下载下来四个文件。
4.目前下载下来的是压缩形式的bin二进制文件,需要转换为LEVELDB或者LMDB形式才能被caffe所识别:
5.需要的配置文件有两个:
一个是lenet_solver.prototxt,另一个是lenet_train_.prototxt.
首先在命令行里面打开lenet_solver_prototxt,这是训练求解文件,里面是超参数的设置。
查看lenet-5模型描述文件
6.在命令行输入期待已久的训练Lenet数据的操作命令,脚本文件中也是一条命令,可以打开看下:
最后发现在目录:caffe/examples/mnist 下面会出现:.caffemodel的文件,这个就是我们训练出来的对应迭代次数5000、10000的训练数据!训练状态保存在examples/mnist/lenet_iter_10000.solverstate中,均是protobuffer二进制格式文件。
7.训练完成后,进行测试。
./build/tools/caffe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100