caffe--python接口

参考文档：

caffe网络模型各层详解(中文版)，一份详细说明caffe prototxt的文档

caffe的总体流程

准备数据 ==> 定义Net ==> 配置Solver ==> Run ==> 分析结果

画网络结构的图形表示

进入网络模型的prototxt文件所在位置，运行下面命令，会在当前位置输出xxx.png

python  ~/caffe/python/draw_net.py    xxx.prototxt     xxx.png     --rankdir=BT
# BT=Bottom to Top,该参数还可以为TB，LR，RL等

caffe命令

caffe后可跟4个命令：

• train：训练

caffe train -solver lenet_solver.prototxt 
#保存训练log文件
caffe train -solver lenet_solver.prototxt 2>1 | tee train.log  #屏幕没有输出
caffe train -solver lenet_solver.prototxt 2>&1 | tee train.log  #屏幕也有输出
#2>1是重定向错误输出到标准输出

• test
• device_query
• time：评估模型运行时间

caffe time -model lenet.prototxt -iterations 100  # cpu上跑
caffe time -model lenet.prototxt -iterations 100 -gpu 0 # 0号GPU上跑

绘制loss曲线 

先保存训练的log文件，然后

• 法1：直接用caffe/tools/extra中的plot_training_log.py.example

输入：python tools/extra/plot_training_log.py.example会输出该函数的用法信息

Usage:
    ./plot_training_log.py chart_type[0-7]   /where/to/save.png   /path/to/first.log ...
Notes:
    1. Supporting multiple logs.
    2. Log file name must end with the lower-cased ".log".
Supported chart types:
    0: Test accuracy  vs. Iters
    1: Test accuracy  vs. Seconds
    2: Test loss  vs. Iters
    3: Test loss  vs. Seconds
    4: Train learning rate  vs. Iters
    5: Train learning rate  vs. Seconds
    6: Train loss  vs. Iters
    7: Train loss  vs. Seconds

例如：

python  tools/extra/plot_training_log.py.example   6   loss.png   path/to/train.log
#会在当前目录生成train.log.train, tarin.log.test两个解析出的文件和loss.png图片

• 法2：用caffe/tools/extra中的parse_log.py.解析出log.train和log.test文件，然后自己用matplotlib画

用法：

 python tools/extra/parse_log.py   logfile_path   output_dir