标签：example time 文章 脚本 sdn [] top 网络 http
本文为原创作品，未经本人同意，禁止转载，禁止用于商业用途！本人对博客使用拥有最终解释权
欢迎关注我的博客：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing
http://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html
这篇博客主要是用imagenet的一个网络模型来对自己的图片进行训练和测试
图片下载网址：http://download.csdn.net/detail/hit2015spring/9704947
参考文章：
http://caffe.berkeleyvision.org/gathered/examples/imagenet.html
在caffe/data 文件夹下新建文件夹myself
这篇文章主要是帮助你怎么准备你的数据集，怎么训练你自己的模型尺度，在这个笔记中主要是对自己网上下载的车，马，恐龙，花，进行训练和测试，训练2类各80张，测试各20张，放在/data/myself 目录下的train和val文件夹下，这些图片分类好了
这里面的图像的大小全部为
的，可以在终端用命令行，调整图像大小，训练和测试的图像均为
for name in data/myself/val/val_dinosar/*.JPEG; do
convert -resize 256x256\! $name $name
done
给这些图片制作索引标签，生成训练和测试的txt文件，用批量处理工具对这些图片进行处理：在data/myself/ 文件夹下面建立一个label.py的python脚本文件
在终端运行该脚本
python label.py
可以在data/myself/ 文件夹下生成两个txt文件，train.txt和val.txt
在caffe/ 文件夹下新建myself文件夹，
从/home/xxx/caffe/examples/imagenet下复制create_imagenet.sh文件到caffe/myself
EXAMPLE =/home/wangshuo/caffe/myself
DATA=/home/wangshuo/caffe/data/myself
TRAIN_DATA_ROOT=/home/wangshuo/caffe/data/myself/
VAL_DATA_ROOT=/home/wangshuo/caffe/data/myself/
表示训练和测试数据的位置，注意这里只填到myself这一级的目录。
GLOG_logtostderr=1 $TOOLS/convert_imageset --resize_height=$RESIZE_HEIGHT GLOG_logtostderr=1 $TOOLS/convert_imageset |
表示生成文件名为ilsvrc12_train_lmdb 和ilsvrc12_val_lmdb
在caffe根目录下运行create_imagenet.sh
从caffe/ examples/imagenet/ 拷贝make_imagenet_mean.sh文件到caffe/myself 文件夹下
EXAMPLE=/home/wangshuo/caffe/myself
DATA=/home/wangshuo/caffe/data/myself
TOOLS=/home/wangshuo/caffe/build/tools
./myself/make_imagenet_mean.sh
在caffe/data/myself 下生成imagenet_mean.binaryproto文件
复制models/bvlc_reference_caffenet/train_val.prototxt到caffe/myself文件夹，并修改路径
mean_file: "data/ilsvrc12/imagenet_mean.binaryproto" source: "examples/imagenet/ilsvrc12_train_lmdb" mean_file: "data/ilsvrc12/imagenet_mean.binaryproto" source: "examples/imagenet/ilsvrc12_val_lmdb" |
mean_file: "data/myself/imagenet_mean.binaryproto" source: "myself/ilsvrc12_train_lmdb" mean_file: "data/myself/imagenet_mean.binaryproto" source: "myself/ilsvrc12_val_lmdb" |
这里还有一个bitch_size的参数，该参数如果过大，会提示GPU内存不够，在这里我设置为8
复制models/bvlc_reference_caffenet/solver.prototxt到caffe/myself
net: "myself/train_val.prototxt" ##模型所在目录 snapshot_prefix: "myself/caffenet_train"##生成的模型参数 |
test_iter: 1000 是指测试的批次，我们就 20 张照片，设置20就可以了。
test_interval: 1000 是指每 1000 次迭代测试一次，我们改成 500 次测试一次。
base_lr: 0.01 是基础学习率，因为数据量小， 0.01 就会下降太快了，因此改成 0.001
stepsize: 100000 每 100000 次迭代减少学习率
weight_decay: 0.0005 学习的参数，不用变
snapshot: 10000 每迭代 10000 次显示状态，这里改为 2000 次
solver_mode: GPU 末尾加一行，代表用 GPU 进行
./build/tools/caffe time --model=myself/train_val.prototxt |
标签：example time 文章 脚本 sdn [] top 网络 http
原文地址：http://www.cnblogs.com/xujianqing/p/6143070.html
