caffe训练模型(已有solver.prototxt、train.prototxt、test.prototxt、deploy.prototxt)

 caffe根目录下新建train.sh

./build/tools/caffe train --solver=models/VGGNet/VOC0712/SSD_300x300/solver.prototxt --weights=models/solver_iter_300000.caffemodel

生成log日志

cd caffe_Root
./build/tools/caffe train \
--solver="solver.prototxt" \
--gpu 0 2>&1 | tee path to log/name.log

使用tee进行写日志会使得当提前终止时,ctrl+c不能够保存当前的模型。tee改写了ctrl+c指令。

使用下面的方法保存日子,当使用CTRL+C时,可以保存当前训练得到的模型。

GLOG_logtostderr=0 GLOG_log_dir=/data_1/ssd-project/DSOD/caffe/models/DSOD300/bigobj_0617/DSOD300_300x300/
cd /data_1/ssd-project/DSOD/caffe
./build/tools/caffe train \
--solver="/data_1/ssd-project/DSOD/caffe/models/DSOD300/bigobj_0617/DSOD300_300x300/solver.prototxt" \
--snapshot="/data_1/ssd-project/DSOD/caffe/models/DSOD300/bigobj_0617/DSOD300_300x300/_iter_25.solverstate" \
--gpu 0

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在C#中使用MyCaffe调用train.caffemodel和prototxt文件的步骤与使用mean.binaryproto文件类似。您可以使用MyCaffe提供的BlobProto和NetParameter类来加载这些文件,并将它们转换为C#中的对象。 以下是一个示例代码片段,展示了如何在C#中使用MyCaffe加载train.caffemodel和prototxt文件: ```csharp using MyCaffe; using MyCaffe.basecode; using MyCaffe.common; using MyCaffe.param; using MyCaffe.proto; using System.Collections.Generic; namespace MyCaffeTest { class Program { static void Main(string[] args) { // Load the prototxt file NetParameter net_param = new NetParameter(); net_param.CopyFrom(LayerParameter.ParseFrom(File.ReadAllBytes("train.prototxt"))); // Load the caffemodel file BlobProto blob_proto = new BlobProto(); blob_proto.Load("train.caffemodel"); // Convert the BlobProto object to a Blob object BlobCollection<float> colBlobs = new BlobCollection<float>(); Blob<float> blob = new Blob<float>(new List<int> { 1, 3, 256, 256 }); blob.FromProto(blob_proto); colBlobs.Add(blob); // Create the solver SolverParameter solver_param = new SolverParameter(); solver_param.net_param = net_param; solver_param.test_iter.Add(0); solver_param.test_interval = 1; solver_param.base_lr = 0.01; solver_param.momentum = 0.9; solver_param.weight_decay = 5e-4; solver_param.lr_policy = "inv"; solver_param.gamma = 0.1; solver_param.power = 0.75; solver_param.display = 1; solver_param.max_iter = 1; solver_param.snapshot = 1; solver_param.snapshot_prefix = "snapshot"; solver_param.type = SolverParameter.SolverType.SGD; // Create the solver and solve the net MyCaffeControl<float> mycaffe = new MyCaffeControl<float>(null, null, null, colBlobs, null, solver_param, null, null, null, null); mycaffe.Solve(); System.Console.ReadKey(); } } } ``` 在上面的代码中,我们使用了MyCaffe提供的NetParameter和BlobProto类,分别加载了train.prototxttrain.caffemodel文件。我们还创建了一个SolverParameter对象,并使用NetParameter对象初始化它。最后,我们使用这些对象创建了一个MyCaffeControl对象,并使用Solve函数来训练网络。 希望这可以帮助您解决问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值