深度残差网(deep residual networks)的训练过程

这里介绍一种深度残差网(deep residual networks)的训练过程：

1、通过下面的地址下载基于python的训练代码：

       https://github.com/dnlcrl/deep-residual-networks-pyfunt

2、这些训练代码需要和pydataset包。下面介绍这两个包的安装方法。

    (1)pyfunt需要安装。

      用命令：pip install git+git://github.com/dnlcrl/PyFunt.git  进行下载安计。

       安装时numpy需要1.11及以上，但笔者机器上的numpy为1.10，因此，还采用了如下命令对其进行升级：

       pip install numpy --upgrade

   (2)pydataset

      pydataset主要用于数据预处理。 由于pydataset包需要cv2(opencv for python)，但无法用pip安装cv2（该项目好像停止了）。因此只有通过下载opencv3.0(我下载的是opencv-3.0.0.exe)，然后解压，在解压后的\build\python\2.7\x64目录下将cv2.pyd文件拷贝到python的site-packages目录下，注意，笔者机器上安装的是64位的python2.7，所以选择的是这个路径，不同的python版本和平台，其路径不一样。

      然后需要设置opencv的路径。具体设置方法见下图（注意，笔者的opencv是安装在F:\tool\opencv，不同的opencv安装路径，其设置内容不一样）：

   

 

 然后下载通过： https://github.com/dnlcrl//PyDatSet  下载PyDatSet，解压，在所解压的目录python setup.py install来安装。

3、下载cafir10 for python的数据集，然后解压，记住这个目录，在第一次运行train.py时，需要输入这个目录的全路径。

4、由于源代码有bug，需要修改源代码。

    主要修改的源代码有：

       (1) train.py中的  NUM_TRAIN = 40000 (源代码是5000)；

       (2)cifar10.py文件（在python安装目录下的lib\site-packages\pydatset目录下）中的load函数中的 for b in range(1, 5)；(源代码为6)

       (3)cifar10.py文件（在python安装目录下的lib\site-packages\pydatset目录下）中的load_CIFAR_batch函数中的with open(filename, 'rb') as f；(源代码为'r')；

5、通过执行python train.py就可以进行训练了。

       

     

 

 

 

    

转载于:https://www.cnblogs.com/ml-cv/p/5719531.html