caffe中的mnist示例程序超详解,中间包含准备数据、网络模型解析、训练和测试全过程,以及遇到的error和解决方法
准备数据
下载数据
cd $CAFFE_ROOT
./data/mnist/get_mnist.sh
文件内部:
运行完成得到四个文件
数据转化
./examples/mnist/create_mnist.sh
该文件将数据转化为lmdb
运行出错
分析原因是在/examples/mnist文件夹内运行,不能访问build目录,因此转到caffe根目录下重新运行
依然出错,Permission denied没有权限
加权限后再执行
之后得到两个文件夹,就是caffe所需要的数据集了(lmdb格式)mnist_train_lmdb
, and mnist_test_lmdb
定义网络结构
CNN的基本结构:
一个卷积层,后面连接一个pooling层,然后是另一个卷积层接pooling层,然后是两个全连接层,与多层感知器相似。
In general, it consists of a convolutional layer followed by a pooling layer, another convolution layer followed by a pooling layer, and then two fully connected layers similar to the conventional multilayer perceptrons.
以LeNet model为例具体解释网络结构,经典的LeNet模型使用Rectified Linear Unit (ReLU) 代替sigmoid函数来激活神经元。
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt
.
数据层
layer {
name: "mnist"//名字
type: "Data"//类型为:数据层
transform_param {
scale: 0.00390625//输入像素归一化到[0,1],0.00390625=1/256
}
data_param {
source: "mnist_train_lmdb"// lmdb源数据
backend: LMDB
batch_size: 64//分批处理,每批图像个数,过大会导致内存不够
}
top: "data"//生成two blobs,分别为data blob 和label blob
top: "label"
}
卷积层
layer {
name: "conv1"
type: "Conv