参考caffe官网http://caffe.berkeleyvision.org/gathered/examples/cifar10.html
1. CIFAR-10是什么?
Cifar-10是由Hinton的两个大弟子Alex Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大牵头投资的一个先进科学项目研究所。Hinton、Bengio和他的学生在2004年拿到了Cifar投资的少量资金,建立了神经计算和自适应感知项目。
这个项目结集了不少计算机科学家、生物学家、电气工程师、神经科学家、物理学家、心理学家,加速推动了DL的进程。从这个阵容来看,DL已经和ML系的数据挖掘分的很远了。DL强调的是自适应感知和人工智能,是计算机与神经科学交叉。DM强调的是高速、大数据、统计数学分析,是计算机和数学的交叉。
Cifar-10由60000张32*32的RGB彩色图片构成,共10个分类。50000张训练,10000张测试(交叉验证)。这个数据集最大的特点在于将识别迁移到了普适物体,而且应用于多分类(姊妹数据集Cifar-100达到100类,ILSVRC比赛则是1000类)。
2.准备数据库
You will first need to download and convert the data format from the CIFAR-10 website. To do this, simply run the following commands:
cd $CAFFE_ROOT #切换目录到自己的caffe-master的安装目录下
sudo ./data/cifar10/get_cifar10.sh
sudo ./examples/cifar10/create_cifar10.sh
运行之后会出现两个文件 ./cifar10-leveldb(个人测试出现的是两个分开的数据库文件:测试和训练)
和
./mean.binaryproto
.
3.模型说明
4.训练和测试模型
cd $CAFFE_ROOT #切换目录到自己的caffe-master的安装目录下
sudo ./examples/cifar10/train_quick.sh
特别注意:如果是用的CPU的话需要修改训练和测试脚本,改为GPU
先打开train_quick.sh找到测试和训练的脚本目录,然后分别打开脚本进行修改
sudo vim ./examples/cifar10/train_quick.sh
每100次迭代显示一次训练结果,准确率+训练损失函数;每500次进行一次测试。
进行5000次迭代后结束,准确率75%.。