caffe读书笔记1 CIFAR-10在caffe上进行训练与学习
本次学习笔记作用,知道如何在caffe上训练与学习,如何看结果。
1.1使用数据库:CIFAR-10
60000张32X32 彩色图像 10类
50000张训练
10000张测试
1.2准备
在终端运行以下指令:
cd $CAFFE_ROOT/data/cifar10
./get_cifar10.sh
cd $CAFFE_ROOT/examples/cifar10
./create_cifar10.sh
其中CAFFE_ROOT是caffe-master在你机子的地址
运行之后,将会在examples中出现数据库文件./cifar10-leveldb和数据库图像均值二进制文件./mean.binaryproto
1.3模型
该CNN由卷积层,POOLing层,非线性变换层,在顶端的局部对比归一化线性分类器组成。该模型的定义在CAFFE_ROOT/examples/cifar10directory’scifar10_quick_train.prototxt中,可以进行修改。其实后缀为prototxt很多都是用来修改配置的。
1.4训练和测试
训练这个模型非常简单,当我们写好参数设置的文件cifar10_quick_solver.prototxt和定义的文件cifar10_quick_train.prototxt和cifar10_quick_test.prototxt后,运行train_quick.sh或者在终端输入下面的命令:
cd $CAFFE_ROOT/examples/cifar10
./train_quick.sh
即可,train_quick.sh是一个简单的脚本,会把执行的信息显示出来,培训的工具是train_net.bin,cifar10_quick_solver.prototxt作为参数。
然后出现类似以下的信息:
I0317 21:52:48.945710 2008298256 net.cpp:74] CreatingLayer conv1
I0317 21:52:48.945716 2008298256 net.cpp:84] conv1 <-data
I0317 21:52:48.945725 2008298256 net.cpp:110] conv1 ->conv1
I0317 21:52:49.298691 2008298256 net.cpp:125] Top shape:100 32 32 32 (3276800)
I0317 21:52:49.298719 2008298256 net.cpp:151] conv1 needsbackward computation.
这是搭建模型的相关信息
接着:
0317 21:52:49.309370 2008298256 net.cpp:166] Networkinitialization done.
I0317 21:52:49.309376 2008298256 net.cpp:167] Memoryrequired for Data 23790808
I0317 21:52:49.309422 2008298256 solver.cpp:36] Solverscaffolding done.
I0317 21:52:49.309447 2008298256 solver.cpp:47] SolvingCIFAR10_quick_train
之后,训练开始
I0317 21:53:12.179772 2008298256 solver.cpp:208] Iteration100, lr = 0.001
I0317 21:53:12.185698 2008298256 solver.cpp:65] Iteration100, loss = 1.73643
...
I0317 21:54:41.150030 2008298256 solver.cpp:87] Iteration500, Testing net
I0317 21:54:47.129461 2008298256 solver.cpp:114] Testscore #0: 0.5504
I0317 21:54:47.129500 2008298256 solver.cpp:114] Testscore #1: 1.27805
其中每100次迭代次数显示一次训练时lr(learningrate),和loss(训练损失函数),每500次测试一次,输出score0(准确率)
和score 1(测试损失函数)
当5000次迭代之后,正确率约为75%,模型的参数存储在二进制protobuf格式在
cifar10_quick_iter_5000
然后,这个模型就可以用来运行在新数据上了。
1.5 其他
另外,更改cifar*solver.prototxt文件可以使用CPU训练,
# solver mode: CPU or GPU
solver_mode: CPU
可以看看CPU和GPU训练的差别。
主要资料来源:caffe官网教程
cd $CAFFE_ROOT
./data/cifar10/get_cifar10.sh
./examples/cifar10/create_cifar10.sh
cd $CAFFE_ROOT
./examples/cifar10/train_quick.sh
cifar10_quick_iter_5000
reference linkes:
http://caffe.berkeleyvision.org/gathered/examples/cifar10.html
http://blog.sina.com.cn/s/blog_990865340102vewe.html