Caffe 學習筆記1

本文為原創作品，未經本人同意，禁止轉載，禁止用于商業用途！本人對博客使用擁有最終解釋權

歡迎關注我的博客：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing

?

這篇博客是caffe官網的一片例程吧，只是熟悉一下操作而已

http://caffe.berkeleyvision.org/gathered/examples/cifar10.html

?

1、準備數據

cd /home/wangshuo/caffe (這個路徑為caffe安裝路徑)

./data/cifar10/get_cifar10.sh

./examples/cifar10/create_cifar10.sh

運行之后將會有圖像均值二進制文件./mean.binaryproto和數據庫文件./cifar10_test_lmdb和cifar10_train_lmdb文件夾

2、模型簡介

Cifar10是一個由卷積層，池化層，非線性變換層，線性函數RELU，以及在頂端的局部對比歸一化的線性分類器組成，該模型在/caffe/examples/cifar10文件夾下面，該文件為名稱為cifar10_quick_train_test.prototxt

3、訓練和測試該模型

當你寫好的網絡參數的，設置文件就可以運行train_quick.sh文件

cd $CAFFE_ROOT

./examples/cifar10/train_quick.sh

train_quick.sh 是一個簡單的腳本文件，打開它可以看到訓練工具叫caffe執行訓練操作，然后根據的參數是slover protobuf所設置的。

執行該腳本文件：輸出：

I0317 21:52:48.945710 2008298256 net.cpp:74] Creating Layer 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 needs backward computation.

這個信息告訴我們每一層的組成和輸出形式，初始化完畢，開始訓練。

I0317 21:52:49.309370 2008298256 net.cpp:166] Network initialization done.

I0317 21:52:49.309376 2008298256 net.cpp:167] Memory required for Data 23790808

I0317 21:52:49.309422 2008298256 solver.cpp:36] Solver scaffolding done.

I0317 21:52:49.309447 2008298256 solver.cpp:47] Solving CIFAR10_quick_train

根據設置的solver，每迭代100次就會輸出訓練的學習率和訓練損失函數，每迭代500次會測試一次，輸出準確率score 0和測試損失函數score 1

I0317 22:12:19.666914 2008298256 solver.cpp:87] Iteration 5000, Testing net

I0317 22:12:25.580330 2008298256 solver.cpp:114] Test score #0: 0.7533

I0317 22:12:25.580379 2008298256 solver.cpp:114] Test score #1: 0.739837

I0317 22:12:25.587262 2008298256 solver.cpp:130] Snapshotting to cifar10_quick_iter_5000

I0317 22:12:25.590215 2008298256 solver.cpp:137] Snapshotting solver state to cifar10_quick_iter_5000.solverstate

I0317 22:12:25.592813 2008298256 solver.cpp:81] Optimization Done.

最后得到這個模型的測試準確率達到75%，模型參數會被寫到一個文件里頭

cifar10_quick_iter_5000

4、其他

更改cifar*solver.prototxt文件，可以修改訓練的方式，是用GPU還是用cpu

# solver mode: CPU or GPU

solver_mode: CPU

?

5、遇到的問題

問題：在執行create_cifar10.sh時，提示文件convert_cifar_data.bin不存在。

解決方法：上面命令./create_cifar10.sh必須在根目錄下運行

參考：http://caffe.berkeleyvision.org/gathered/examples/cifar10.html

總結

以上是生活随笔為你收集整理的Caffe 学习笔记1的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。