執行caffe自帶的mnist例項教程

執行caffe自帶的mnist例項教程

本文結合幾篇博文總結下來的，附上其中一篇原博文連結以供參考：http://blog.sina.com.cn/s/blog_168effc7e0102xjr1.html

 

1、先進入caffe檔案目錄，(指令：cd ./caffe)，再用data/mnist下的get_mnist.sh下載MNIST資料集，程式碼如下：

sudo sh ./data/mnist/get_mnist.sh

開啟下載目錄caffe/data/mnist檢視如下圖：

 

2、轉換格式，程式碼如下：

 ./examples/mnist/create_mnist.sh(若出錯：./examples/mnist/create_mnist.sh: 17: ./examples/mnist/create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found。則應先執行編譯：make all -j4，然後再執行命令：./examples/mnist/create_mnist.sh)

完成後在examples/mnist生成了兩個目錄：mnist_test_lmdb和mnist_train_lmdb：

 

每個目錄下有兩個檔案：data.mdb和lock.mdb：

網路結構定義在./examples/mnist/lenet_train_test.prototxt中。

訓練引數配置在./examples/mnist/lenet_solver.prototxt中。

如果電腦有GPU,則不需要修改配置檔案;如果沒有GPU則需要修改lenet_solver.prototxt，在訓練之前需要修改

./examples/mnist/lenet_solver.prototxt最後的（solver_mode: GPU）修改為：solver_mode: CPU

這樣保證整個訓練過程在CPU上進行。

3、訓練超引數，程式碼如下：（這是書上的例子，可以參考網址上的例子，在後面。不同之處：網址上的例子在此處新建一個資料夾儲存訓練的模型）

cd ./caffe

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

 部分訓練過程截圖如下：等待幾分鐘，訓練好後截圖如下，準確率99.08%：

  

 

4、執行例子（執行訓練命令）

定位到mnist目錄下執行train_lenet.sh，程式碼如下：

cd  ./caffe

./examples/mnist/train_lenet.sh(若出錯：Check failed: mdb_status == 0 (13 vs. 0) Permission denied  *** Check failure stack trace: ***則進入caffe目錄下，先清除：sudo make clean（刪掉了原有build檔案）後，並重新編譯：sudo make all -j4（重新生成build檔案），再重新訓練超引數 （第3步./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt），最後再執行訓練：./examples/mnist/train_lenet.sh)。

最終訓練的模型儲存在caffe/examples/mnist/lenet_iter_10000.caffemodel檔案中，訓練狀態儲存在caffe/examples/mnist/lenet_iter_10000.solverstate檔案中。

5、用訓練好的模型對資料進行預測。

利用訓練好的Lenet-5模型權值檔案（examples/mnist/lenet_iter_10000.caffemodel）可以對測試資料集（或外部測試集）進行預測，程式碼如下：（注意caffe.bin ，prototxt ，caffemodel 等的路徑一定要根據自己的寫對：）

cd  ./caffe

./build/tools/caffe.bin test \  

-model=examples/mnist/lenet_train_test.prototxt \

-weights=examples/mnist/lenet_iter_10000.caffemodel \

-iterations=100 

（\表示回車，也可以不要它，直接將這四行程式碼寫成一行程式碼,注意caffe.bin ，prototxt ，caffemodel 等的路徑一定要根據自己的寫對：

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_5000.caffemodel -iterations=100）

預測結果如下：

 

================================= 書上的例子到此結束 =======================

×××××××××××××××××××× 下面是參考網址上的例子 ××××××××××××××××××××××

網址上例子訓練模型部分，從前面第三部分開始。在此處建立了一個資料夾儲存模型，這方法很好。新建資料夾程式碼如下：

cd  ./caffe/examples/mnist

mkdir model_mnist

檢視一下，輸入如下程式碼

 ls

建好資料夾後需要修改caffe/examples/mnist/lenet_solver.prototxt 中的snapshot_prefix。

訓練網路前先檢視一下build/tools/caffe.bin 的用法。

訓練網路的程式碼如下：

cd  ./caffe

./examples/mnist/train_lenet.sh

訓練完成後，在examples/mnist/model_mnist下產生了4個檔案。本例設定迭代5000次輸出一個模型和訓練狀態儲存下來，故儲存了迭代5000次和迭代10000次的訓練模型與訓練狀態。

測試迭代5000次的模型，程式碼如下：

cd  ./caffe

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt  -weights=examples/mnist/model_mnist/lenet_iter_5000.caffemodel

執行caffe自帶的mnist例項教程測試迭代10000次的模型，程式碼如下：

cd  ./caffe

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model_mnist/lenet_iter_10000.caffemodel