- 建立train_sh脚本文件
#!/sur/bin/env sh
set -e
/home/yourname/caffe/build/tools/caffe train --solver=/home/yourname/caffe/examples/minst/lenet_solver.prototxt $@
如果loss发生较大波动,则需要改动solver配置文件里的参数
- 训练网络时,可以有以下的选项设置
-solver:必选参数。一个protocol buffer类型的文件,即模型的配置文件如:
./build/tools/caffe train --solver examples/mnist/lenet_solver.prototxt
-gpu:可选参数。该参数可以指定使用哪块gpu运行,根据gpu的id进行选择,如果设置'-gpu all'则使用所有的gpu运行,也可以选择使用多块gpu如'-gou 0,1'
./build/tools/caffe train --solver examples/mnist/lenet_solver.prototxt -gpu 2
-weights:可选参数。用预先训练好的权重来fine-tuning模型,需要一个caffemodel,如:
./build/tools/caffe train --solver examples/finetuning_on_fickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
- 测试网络时
./build/tools/caffe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -iterations 100
- 测试网络中每层的消耗的时间
使用time参数,在屏幕上显示网络中每层运行的时间
./build/tools/caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10