Caffe | Cheney Shen

Technology blog

Archives

Caffe 训练自有数据


走完这个就知道怎么去完整的使用caffe训练自己的数据了。     参考: http://www.jianshu.com/p/607f1e51e3ab http://blog.csdn.net/qqlu_did/article/details/47131549     步骤:     原始数据准备 存放目录下的原始数据 首先去下载,然后将train/detect分别放在不同的文件夹里面 然后通过Matlab来生成Label文件 文件格式为:【文件名 标签】注意train的标签必须是0开始,detect的标签全为0     用于处理的中间文件生成     首先执行 来转换数据格式,得到:     然后执行 来求mean,得到:     这边要注意的是上面两个文件的编写,主要就是修改路径和文件名。     建立网络模型和运行     首先要建立学习模型,就是编写 solver.prototxt/train_val.prototxt 两个文件。 可以去如下目录运用别人的学习模型考过来直接用。 这里同样要注意的是参数和路径的修改。     最后直接运行:     .\bin\compute_image_mean.exe .\data\img_train_lmdb .\data\mean.binaryproto     此句也要注意改路径。     打日志运行:…

Read More

Caffe Notes


Caffe 文件结构:     http://blog.csdn.net/thystar/article/details/50052707     这里,最重要的三个文件夹就是include, tools, src。在源码解读中会对里面的文件代码一一介绍,这里给出src文件的结构:     src中的每个.cpp文件对应include文件中的头文件。     在编译完成后,会生成build文件夹。这个文件的目标文件指向一个debug或者release文件夹。这里建议用debug编译,这样在调试代码时可以跟到caffe的内部。只要在Makefile.config中改一下就好。             caffe的三级结构:Blobs,Layers,Nets     http://blog.csdn.net/thystar/article/details/50675076         深度网络是一个复杂的模型,caffe定义了一个层与层之间连接的网络模型。这个网络定义了从输入层到损失的所有模型。caffe使用blobs结构存储,交换和处理网络中正向和反向迭代时的数据和导数信息,blob是Caffe的标准数组结构,它提供了一个统一的内存接口。Layer是Caffe模型和计算的基本单元。Net是一系列的Layer和其连接的集合,Blob详细描述了信息是如何在Layer和net中存储和交换的。     solving:是求解方法,分别配置解耦模型和优化方法     1. Blob存储与交换     Blob是caffe中负责数据传递和处理的包,并且提供了在CPU与GPU之间同步处理的功能。从数学角度看,Blob是C语言风格的一个连续存数的N维数组。     Caffe利用Blobs存储和交换数据,Blobs提供了统一的内存接口存储某种类型的数据,如批处理的图像数据,模型参数和用与优化算法的导数。     Blobs可以根据CPU主机和GPU设备的需要,屏蔽CPU/GPU计算和混合操作中的开销,主机和设备的内存按需求分配(lazily),以提高内存利用率。     对于批处理的图片来说,Blobs常规的维度为:图像数据的个数N * 通道数K * 图像高度H *…

Read More

Use Caffe windows(Microsoft)


windows下安装使用微软版本的Caffe。     下载安装微软官方版 https://github.com/BVLC/caffe/tree/windows     按照其说明安装: 拉下源码 下载安装Cuda和cuDNN .\windows\CommonSettings.props.example 将后面的.example去掉启用配置 配置设置: 主要是改两项:python/matlab设置 还要注意的是可能会有报错,其中一个是去掉某行注释,具体问题具体搜索。 直接Build就可以成功了,libcaffe编译成功后再编译caffe,所有编译成功和运行需要的dll文件都会存储在CAFFE_ROOT\Build\x64\Release 下     然后跑例子 mnist: 这边特别注意的就是原来的 .sh 是为linux准备的,因此在windows上要费些周折 拉资源:先到data\mnist\目录下下载资源,windows上.sh不能直接跑wget,那就看代码找出其要下载的包手动下下来,或者使用windows版本的wget来下来得到如下: 然后请手动解压并注意文件名 将下载下来的mnist数据转换为lmdb格式 打开CAFFE_ROOT/windows/Caffe.sln ,生成convert_mnist_data 项目(Release,x64) 然后去examples/mnist目录下执行create_mnist.sh来生成最终的可以快速读写的文件,下图两个文件夹就是生成的结果。 注意create_mnist.sh需要做一些修改 将 BUILD=build/examples/mnist 改为 BUILD=Build/x64/Release 将 执行文件 .bat 改为 .exe 然后就可以真正执行数据训练了 在CAFFE_ROOT 下新建一个文本文件,命名为run_mnist.bat 内容如下     .\Build\x64\Release\caffe.exe train –solver=examples/mnist/lenet_solver.prototxt pause     运行 run_mnist.bat…

Read More
  • Categories

  • Tags