??前面訓(xùn)練了mnist數(shù)據(jù)集！但caffe自帶的數(shù)據(jù)集還有cifar10數(shù)據(jù)集。同樣cifar10數(shù)據(jù)集也是分類數(shù)據(jù)集，共分10類。cifar10數(shù)據(jù)集中包含60000張32x32的彩色圖片。（其中包括50000張作為訓(xùn)練集，10000張作為測(cè)試集）對(duì)于cifar10數(shù)據(jù)集更為詳細(xì)的了解請(qǐng)各位百度，在此不再贅述。本文主要談?wù)勈褂胏affe自帶模型對(duì)cifar10數(shù)據(jù)集進(jìn)行訓(xùn)練的過程。

??cifar10數(shù)據(jù)集訓(xùn)練步驟如下：

??1.下載cifar10數(shù)據(jù)集：

??進(jìn)入caffe目錄（cd caffe)，輸入以下指令:

./data/cifar10/get_cifar10.sh

??程序運(yùn)行結(jié)束即可在同一目錄下生成訓(xùn)練集和測(cè)試集數(shù)據(jù)。

??2.轉(zhuǎn)換數(shù)據(jù)格式:

??輸入以下命令：

./examples/cifar10/create_cifar10.sh

??在caffe/data/cifar10中出現(xiàn)相關(guān)數(shù)據(jù)，在caffe/examples/cifar10中出現(xiàn)cifar_train_lmdb和cifar_test_lmdb。

??3.配置適合自己的solver文件:

??若是使用CPU進(jìn)行訓(xùn)練，對(duì)文件做部分修改，在solvers文件中將solver_mode中的GPU改為CPU。

??4.開始訓(xùn)練數(shù)據(jù):

??使用以下命令：

./examples/cifar10/train_quick.sh

??以上就完成了cifar10數(shù)據(jù)集（quick版）的訓(xùn)練。什么叫quick版呢？原來在cifar10數(shù)據(jù)集中根據(jù)訓(xùn)練次數(shù)的多少。把訓(xùn)練模型分為了quick版和full版。下面介紹下quick和full的區(qū)別：

??quick中先以0.001的學(xué)習(xí)率訓(xùn)練4000次（見文件caffe/cirfa10/cirf10_quick_solver)。再以0.0001的學(xué)習(xí)率訓(xùn)練1000次（見文件caffe/cirfa10/cirfa10_quick_solver_lr1)

??full中先以0.001的學(xué)習(xí)率訓(xùn)練60000次（見文件caffe/cirfa10/cirfa10_full_solver),再以0.0001的學(xué)習(xí)率訓(xùn)練5000次（見文件caffe/cirfa10/caifa10/cirfa10_full_solver_lr1)，再以0.00001的學(xué)習(xí)率訓(xùn)練5000次（見文件caffe/cirfa10/cirfa10_full_solver_lr2)。

??Quick和full版本結(jié)構(gòu)圖如下:
??1.quick版本：

??2.full版本：

?? 兩圖之間最大的區(qū)別：full使用了1個(gè)全連接層，quick使用了2個(gè)全連接層

??正如題目所說，很多人會(huì)有疑惑：啥叫自帶模型？其實(shí)這個(gè)意思是caffe下載的時(shí)候自動(dòng)提供的文件，而且我也不知道用什么名字去形容。下面詳細(xì)的介紹下整個(gè)訓(xùn)練模型的結(jié)構(gòu)：

?? 輸入層-卷積層1-池化層1（最大池化）-非線性層1（relu)-norm層1-卷積層2-非線性層2（relu)-池化層2（平均池化）-norm層2-卷積層3-非線性層3-池化層3（平均池化）-全連接層-精度層-輸出損失層

??相對(duì)于之前的mnist數(shù)據(jù)集的訓(xùn)練，norm層是新增加的。下面簡(jiǎn)單介紹一下norm層。（更為詳細(xì)的介紹，請(qǐng)各位自行百度）

??norm層介紹：Local Response Normalization (LRN)層，此層是對(duì)一個(gè)輸入的局部區(qū)域進(jìn)行歸一化。在Alexnet和Googlenet中都使用了這個(gè)類型的層

同樣不要忘記，對(duì)模型的測(cè)試：

sudo ./build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_4000.caffemodel;

??到此為止，完成了cifar10數(shù)據(jù)集的模型建立。第二次完成后是不是感覺輕車熟路，理解更深了呢？在后面的博客中，會(huì)使用其他更為經(jīng)典、更為著名的模型對(duì)cifar10進(jìn)行測(cè)試。（ps:為啥選擇cifar10而不是mnist，是因?yàn)樵贚enet網(wǎng)絡(luò)結(jié)構(gòu)下，mnist數(shù)據(jù)集模型的精度已經(jīng)達(dá)到較高水平，換用其他高級(jí)模型增長(zhǎng)不是特別大了，使用cifar10更為典型！）

由于本文作者水平有限，如有不足之處，請(qǐng)各位在下方評(píng)論區(qū)指正，謝謝！

總結(jié)

以上是生活随笔為你收集整理的使用caffe自带模型训练cifar10数据集的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。