caffe学习笔记1-7-完整版-薛开宇资源-CSDN文库

5星 · 超过95%的资源需积分: 13 168 浏览量 2018-04-05 08:46:22 上传评论收藏 2.47MB PDF 举报

资源推荐

资源详情

资源评论

读书笔记 1 CIFAR-10 在 caffe 上进行训练与学习

2014.7.21 薛开宇

本次学习笔记作用，知道如何在 caffe 上训练与学习，如何看结果。

1.1 使用数据库：CIFAR-10

60000 张 32X32 彩色图像 10 类

50000 张训练

10000 张测试

1.2 准备

在终端运行以下指令：

cd $CAFFE_ROOT/data/cifar10

./get_cifar10.sh

cd $CAFFE_ROOT/examples/cifar10

./create_cifar10.sh

其中 CAFFE_ROOT 是 caffe-master 在你机子的地址

运行之后，将会在 examples 中出现数据库文件./cifar10-leveldb 和数据库图像均值二进制文

件./mean.binaryproto

1.3 模型

该 CNN 由卷积层，POOLing 层，非线性变换层，在顶端的局部对比归一化线性分类器组成。

该模型的定义在 CAFFE_ROOT/examples/cifar10 directory’s cifar10_quick_train.prototxt 中，

可以进行修改。其实后缀为 prototxt 很多都是用来修改配置的。

1.4 训练和测试

训练这个模型非常简单，当我们写好参数设置的文件 cifar10_quick_solver.prototxt 和定义的

文件 cifar10_quick_train.prototxt 和 cifar10_quick_test.prototxt 后，运行 train_quick.sh 或者在

终端输入下面的命令：

cd $CAFFE_ROOT/examples/cifar10

./train_quick.sh

即可，train_quick.sh 是一个简单的脚本，会把执行的信息显示出来，培训的工具是

train_net.bin,cifar10_quick_solver.prototxt 作为参数。

然后出现类似以下的信息：

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.

这是搭建模型的相关信息

接着：

0317 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

之后，训练开始

I0317 21:53:12.179772 2008298256 solver.cpp:208] Iteration 100, lr = 0.001

I0317 21:53:12.185698 2008298256 solver.cpp:65] Iteration 100, loss = 1.73643

...

I0317 21:54:41.150030 2008298256 solver.cpp:87] Iteration 500, Testing net

I0317 21:54:47.129461 2008298256 solver.cpp:114] Test score #0: 0.5504

I0317 21:54:47.129500 2008298256 solver.cpp:114] Test score #1: 1.27805

其中每 100 次迭代次数显示一次训练时 lr(learning rate),和 loss（训练损失函数），每 500 次

测试一次，输出 score 0（准确率）

和 score 1（测试损失函数）

剩余35页未读，继续阅读

内容反馈

zouzhongy

2019-04-18

经典学习资料，非常感谢！！！

东城飘雪

粉丝: 6
资源: 26

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip