日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

[caffe] 数据制作和训练

發(fā)布時間:2025/7/25 编程问答 15 豆豆
生活随笔 收集整理的這篇文章主要介紹了 [caffe] 数据制作和训练 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

[caffe] 數(shù)據(jù)制作和訓(xùn)練

在使用caffe時,我們希望使用自己的數(shù)據(jù)進(jìn)行訓(xùn)練,以下給出如何制作自己的數(shù)據(jù)。所有的數(shù)據(jù)制作都是基于imagenet的。

1.數(shù)據(jù)準(zhǔn)備,我們需要一個train和valid文件夾,一個train.txt和val.txt(圖片文件夾的位置可以任意,但是這兩個txt文件的位置在data/mydata/目錄下)

train和valid文件夾自然就存放著待訓(xùn)練的圖片,train.txt和val.txt的數(shù)據(jù)格式如下

?

train_example/1.jpg 0 train_example/2.jpg 0 train_example/3.jpg 0 train_example/4.jpg 0 train_example/5.jpg 0 train_example/6.jpg 0 train_example/7.jpg 0 train_example/8.jpg 0 train_example/9.jpg 0

前邊是圖片路徑,后便是label,注意label是從0開始的。

?

2. 在example目錄下創(chuàng)建自己的文件夾mytask,將imagenet中所有的文件烤過來,然后進(jìn)行修改。

create_imagenet.sh

//當(dāng)前路徑 EXAMPLE=/home/kongtao/caffe-master/examples/voc2007_test1 //存放train.txt和val.txt的路徑,就是data/mydata DATA=/home/kongtao/caffe-master/data/voc2007_data1 //不變 TOOLS=/home/kongtao/caffe-master/build/tools//存放train和val圖片文件夾的主目錄(這里與txt文件中的目錄合起來才是圖片目錄) TRAIN_DATA_ROOT=/home/kongtao/learn/cnn_learn/VOC2007_research/VOCdevkit/ VAL_DATA_ROOT=/home/kongtao/learn/cnn_learn/VOC2007_research/VOCdevkit/

運(yùn)行create_imagenet.sh,生成兩個數(shù)據(jù)文件lmdb

?

make_image_mean.sh 也是修改相應(yīng)的路徑

?

最后需要修改的是model中prototxt文件,只需要修改路徑

?

運(yùn)行

./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt

這樣就可以了。

以上完成了一個數(shù)據(jù)文件的創(chuàng)建和訓(xùn)練的過程,對于我們來說,其實網(wǎng)絡(luò)架構(gòu)顯得更重要,因此不僅僅是調(diào)通,更重要的是調(diào)整網(wǎng)絡(luò)架構(gòu)和改進(jìn),這也是最難得部分。

?

?

多chanel,需要對數(shù)據(jù)進(jìn)行提前白化

?

import numpy as np import caffe import lmdb# obviously load your own inputs here -- this is just by way of example # to show the data can have any channel dimension # as the dimensions are N x K x H x W inputs = np.zeros((10, 5, 227, 227))in_db = lmdb.open('input-lmdb', map_size=int(1e12)) with in_db.begin(write=True) as in_txn:for in_idx, in_ in enumerate(inputs):in_dat = caffe.io.array_to_datum(in_)in_txn.put('{:0>10d}'.format(in_idx), im_dat.SerializeToString()) in_db.close()

?

記錄一下別人制作的東東

http://deepdish.io/2015/04/28/creating-lmdb-in-python/

還有一個

http://blog.csdn.net/ayst123/article/details/44077903

原創(chuàng)文章,轉(zhuǎn)載請注明出處,謝謝!

http://www.cnblogs.com/taokongcn/p/4341371.html


from:http://www.cnblogs.com/taokongcn/p/4341371.html

總結(jié)

以上是生活随笔為你收集整理的[caffe] 数据制作和训练的全部內(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,歡迎將生活随笔推薦給好友。