一、图片均值处理
caffe使用的mean处理是为了图像像素值能更接近(0,0)原点。在caffe中自带了处理均值的文件。
sudo /opt/caffe/build/tools/comput_image_mean /opt/caffe/examples/mnist/mnist_train_lmdb /opt/caffe/mean.binaryproto
可以看到需要两个参数,一个是数据,一个是输出的文件存储位置。
二、绘制网络结构图
caffe的工具中也又绘制网络结构图。绘制结构图前需要准备环境:
sudo apt-get install graphviz
pip install pydot
然后开始绘制:
sudo python /opt/caffe/python/draw_net.py /opt/caffe/examples/mnist/lenet_train_test.solverproto /opt/caffe/lenet.png --rankdir=BT
=号后面有四种选择,BT,TB,LR,RL。
然后可以看到在第二个参数所设置的路径下有了该图片,由于我是在服务器上的docker里面跑的要把图片搬到自己的电脑上打开还要几步(心累!!!):
exit 退出当前容器,
docker ps 看看容器还在不,没在还要dockers start 容器号 来启动。
docker cp 容器号:/opt/caffe/lenet.png /home/xyj/yyc/ 从容器中下载文件到服务器上,上传也是用的这个命令。
然后再用sz lenet.png命令来保存到本地上。
三、保存训练日志
可以看到例如train_lenet.sh等脚本中用到的也是build/tools中的可执行文件。
./build/tools/caffe train -solver examples/cifar10/cifar10_quick_solver.prototxt 2>&1|tee train.log
只是在最后通过重定向,管道和tee命令来保存训练日志。