用训练好的模型对数据进行预测的命令行解释:
./build/tools/caffe.bin test 表示只做预测(前向传播计算),不进行参数更新(后向传播计算)
-model examples/mnist/lenet_train_test.prototxt 指定模型描述文件
-weights examples/mnist/lenet_iter_10000.caffemodel 指定模型预先训练好的权值文件
-iterations 100 指定测试迭代次数
一个完整的深度学习系统最核心的两个方面:数据和模型。
数据是带标签的图片集,分训练集和测试集;
模型是描述CNN结构的有向无环图,表示对原始数据的处理方式。
caffe并不是直接处理原始数据,而是由预处理程序将原始数据变换存储为LMDB格式,这种方式可以保持较高的IO效率,加快训练时的数据加载速度。模型通常使用ProtoBuffer文件格式表述,训练结果保存为ProtoBuffer二进制文件或者HDF5格式文件。
深度学习的过程其实就是利用训练数据对模型进行训练,将数据中蕴含的大量信息通过机器学习算法不断收集到模型中,利用训练好的模型对现实世界中相似数据进行特定处理(分类,识别,检测,定位。)
在训练过程中将train_lenet.sh打印的log输出到文件里的方法
root@ubuntu:/home/gps/caffe# sh ./examples/mnist/train_lenet.sh 2>&1 | tee /home/gps/caffe/gps_log/log_mnist.txt | less