caffe数据转换

一、数据集准备

到官网中下载cifar10数据集,如果使用的是c++,那么下载.bin文件。数据集介绍已经很详细了。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、将数据集转成leveldb格式


用vs2013打开项目工程。有一个project是convert_cifar_data。(若没有,则可以在Solution新建一个cuda project,导入tools文件夹中的convert_cifar_data.cpp文件,配置环境即可)。编译这个project,之后会在../../examples/cifar10/文件夹下找到convert_cifar_data.exe。新建两个文件夹,分别命名为input_folder,output_folder。input_folder中放入第一阶段准备好的cifar10数据。output_folder为转换数据之后存储位置。同级目录下新建一个批处理文件,后缀名.bat,输入以下内容并保存。
convert_cifar_data.exe  input_folder output_folders leveldbpause
这里将数据集转成了leveldb格式。运行convet_cifar_data.bat文件,完成数据的转换。

三、计算数据的均值文件

新建一个cuda project,命名为compute_image_mean,导入tools文件夹中的compute_image_mean.cpp文件,配置环境。
编译,输出路径为为../../bin/,所以,在bin 文件夹下找到生成的compute_image_mean.exe。将第二阶段生成的input_folder,output_folder拷贝过来。同级目录下新建一个.bat文件。输入以下内容并保存。
compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryprotopause
运行compute_image_mean.bat文件,生成了mean.binaryproto文件。这个文件即为均值文件。

四、训练cifar10数据集

在examples/cifar10/文件夹中,找到cifar10_quick_trian_test.prototxt。修改里面的mean_file和source的路径。backend一律改为LEVELDB。只要是编译好的caffe框架,在bin文件夹里面都有一个caffe.exe。这是一个训练数据集的可执行文件,在上级目录下新建一个.bat,添加内容,保存并运行。
./bin/caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxtpause
看到在dos窗口已经开始训练了,训练迭代次数等参数均在cifar10_quick_solver.prototxt文件中。这里采用了gpu训练,迭代了4000次,最终的训练精度为0.7061。在examples/cifar10/文件夹中,找到了训练出来的模型cifar10_quick_iter_4000.caffemodel。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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