GPU下caffe训练cifar10

最新推荐文章于 2020-07-28 20:19:13 发布
最新推荐文章于 2020-07-28 20:19:13 发布
阅读量288 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013382233/article/details/78063370
版权

一、训练
1.获取训练数据
cd caffe
./data/cifar10/get_cifar10.sh
./examples/cifar10/create_cifar10.sh
2.开始训练
cd caffe
./examples/cifar10/train
*说明：先以0.001的学习率迭代4000次，再以0.01的学习率接着再迭代1000次，共5000次。训练后生成模型文件：
cifar10_quick_iter_4000.caffemodel.h5，
cifar10_quick_iter_4000.solverstate.h5，
cifar10_quick_iter_5000.caffemodel.h5，
cifar10_quick_iter_5000.solcerstate.h5
二、测试
使用caffe/python/classify.py进行测试
python python/classify.py –model_def examples/cifar10/cifar10_quick.prototxt –pretrained_model examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5 –center_only examples/images/cat.jpg foo
*报错：解决方案见http://blog.csdn.net/fangjin_kl/article/details/50936925

冷月葬婲魂
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Caffe训练cifar10数据集
nichengwuxiao的博客
01-21 1395
一：目的 用配置好的Windows版本Caffe(no GPU)，训练cifar10数据； 二：cifar10简介 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100
caffe训练用cifar10_3
05-26
caffe训练用cifar10_1 由于上传上限60MB，分3个文件上传
CIFAR-10在caffe上进行训练
hjl240的专栏
07-09 1807
CIFAR-10数据集含有6万个32*32的彩色图像，共分为10种类型，由 AlexKrizhevsky, Vinod Nair和 Geoffrey Hinton收集而来。包含50000张训练图片，10000张测试图片。 这是该数据集的一些图片。
caffe for windows 训练cifar10
BBZZ2的专栏
09-20 844
1 cifar10数据库 60000张32*32 彩色图片 共10类 50000张训练 10000张测试 下载cifar10数据库：http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz 这是binary格式的，所以我们要把它转换成leveldb格式。 2 在../caffe-windows/examples/cif
Caffe 训练 cifar10 详细过程
popper0912的博客
12-11 907
一、数据集准备 cifar10数据库 http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz cifar10 数据集官网下载 ，下载并解压，看到共有6个.bin文件，前面五个是训练集，最后一个是测试集 二、将数据集转化为 leveldb 格式 用 vs 2013 编译 Caffe 后，会在bulid 文件中产生
caffe训练用cifar10_1
05-26
caffe训练用cifar10_1 由于上传上限60MB，分3个文件上传
caffe 学习笔记 caffe 与CIFAR10和一些周边
03-20
caffe 学习笔记 caffe 与CIFAR10和一些周边, 清晰的一份caffe在CIFAR上的使用教程，更有提及python中的caffe
caffe-cifar100数据集
12-26
caffe默认支持cifar10，但是不支持cifar100数据集，本数据集将cifar100的python文件转换为caffe支持的lmdb文件
caffe快速上手——cifar10源代码
10-04
caffe快速入门，便于小白利用cifar10快速掌握caffe的运行结构
使用caffe自带模型训练cifar10数据集
gls_nuaa的博客
07-28 321
  前面训练了mnist数据集！但caffe自带的数据集还有cifar10数据集。同样cifar10数据集也是分类数据集，共分10类。cifar10数据集中包含60000张32x32的彩色图片。（其中包括50000张作为训练集，10000张作为测试集）对于cifar10数据集更为详细的了解请各位百度，在此不再赘述。本文主要谈谈使用caffe自带模型对cifar10数据集进行训练的过程。   cifar10数据集训练步骤如下：   1.下载cifar10数据集：   进入caffe目录（cd caffe)，输
深度学习Caffe平台实例——CIFAR-10数据集在caffe平台上模型训练及实例使用模型进行预测
liuweizj12的博客
08-06 7617
一、CIFAR-10数据模型训练 1.下载二进制的cifar文件   cd $CAFFE_ROOT ./data/cifar10/get_cifar10.sh     说明：该脚本会下载二进制的cifar，并解压，会在/data/cifar10中出现很多batch文件，如下图所示： 2.生成数据集库和数据集图像均值文件 cd $CAFFE_ROOT
计算机视觉caffe之路第三篇：CIFAR-10数据集训练及预测实例
asukasmallriver的博客
06-12 7653
1.简介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是加拿大政府牵头投资的一个先进科学项目研究所。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
tensorflow cifar10训练时遇到的问题 GPU未参与运算
机器学习笔记
05-11 1415
在运行cifar10_train.py时发现程序只使用了我的cpu，完全没使用gpu，导致计算非常缓慢，随后我在需要gpu计算的地方添加了gpu作用域，如下 with tf.device('/gpu:0'): # Build a Graph that computes the logits predictions from the # inference model....
Tensorflow-gpu 训练 cifar10 遇到问题
yslTech的博客
03-14 853
1. tensorflow 新老版本的问题，常见的问题下面的这篇博文已经列出http://blog.csdn.net/zeuseign/article/details/727715982. Tensorflow cifar10_multi_gpu问题：Variable conv1/weights/ExponentialMovingAverage/ does not exist...这个问题的解决方...
caffe学习（二） CIFAR-10数据集上训练
young951023的博客
10-08 4777
原文：http://blog.csdn.net/liumaolincycle/article/details/47258937 caffe示例实现之1在CIFAR-10数据集上训练与测试Caffe 下面假定caffe的根目录是CAFFE_ROOT，在终端输入命令下载数据集： cd $CAFFE_ROOT ./data/cifar10/get_cifar10.sh #该脚本会下载二进制的
Caffe深度学习进阶之Cifar-10分类任务（上）
小时候贼聪明
06-16 8231
Cifar-10数据集是深度学习领域一个常见的数据集。Cifar-10由60000张32*32的RGB彩色图片构成，一共包含有飞机、汽车、鸟、毛、鹿、狗、青蛙、马、船、卡车这10个类别。50000张训练，10000张测试。常被用来作为分类任务来评价深度学习框架和模型的优劣。
tensorflow 18：cifar10图片分类训练（cpu或单gpu）
yuanlulu的博客
11-06 2243
概述 接着前面几篇博客讲cifar10的训练，本文牵涉的代码文件主要是cifar10_train.py。 仔细看前面的cifar10.py就会发现，所有变量都被声明放在cpu上，如参考资料里的《卷积神经网络》所说，这是为了多个GPU上共享变量。只有train部分的节点没指定设备，如果有gpu的话训练还是默认在gpu上，其他部分都在cpu上。 代码分解 命令行选项参数 FLAGS = tf.app....
Tensorflow GPU训练过程中遇到的问题总结
szfhy的博客
02-08 4352
错误类型：CUDA_ERROE_OUT_OF_MEMORYGPU的全部memory资源不能全部都申请，可以通过修改参数来解决：在session定义前增加config = tf.ConfigProto(allow_soft_placement=True)#最多占gpu资源的70%gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0...
关于tensorflow训练GPU占用问题
xiaomifanhxx的博客
08-09 1484
大家在训练数据的时候，经常会遇到tensorflow会占用发现的所有GPU的情况，这样会影响其他人使用GPU，因此我们可以在使用时设定选用的GPU。 import os os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152 os.environ["CUDA_VISIBLE_DEVICES"]="0" 这样我们就可以避免...
PSPNet Caffe 训练数据集
最新发布
10-19
PSPNet论文中用到的数据集包括ADE20K、Cityscapes、PASCAL VOC2012以及PASCAL VOC2012增强数据集。在训练之前，需要对数据集进行处理，具体处理...如果需要使用PSPNet Caffe进行训练，可以参考引用中分享的网络模型。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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