caffe for windows 訓練cifar10
【原文:http://www.th7.cn/system/win/201411/77318.shtml】
1 cifar10資料庫
60000張32*32 彩色圖片 共10類
50000張訓練
10000張測試
下載cifar10資料庫:http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
這是binary格式的,所以我們要把它轉換成leveldb格式。
2 在../caffe-windows/examples/cifar10資料夾中有一個 convert_cifar_data.cpp
將他include到MainCaller.cpp中。如下:
編譯....我是一次就通過了 ,在bin資料夾裡出現convert_cifar_data.exe。然後 就可以進行格式轉換。binary→leveldb
可以在bin資料夾下新建一個input資料夾。將cifar10.binary檔案放在input資料夾中,這樣轉換時就不用寫路徑了。
cmd進入bin資料夾
執行後,在output資料夾下有cifar_train_leveldb和cifar_test_leveldb兩個資料夾。裡面是轉化好的leveldb格式資料。
當然,也可以寫一個bat檔案處理,方便以後再次使用。
3 下面我們要求資料影象的均值
編譯../../tools/comput_image_mean.cpp
編譯成功後,沒有出現comput_image_mean.exe。沒關係,我們還有maincaller.exe。接下來求mean
cmd進入bin。
執行後,在bin資料夾下出現一個mean.binaryproto檔案,這就是所需的均值檔案。
4 訓練cifar網路
在.../examples/cifar10資料夾裡已經有網路的配置檔案,我們只需要將cifar_train_leveldb和cifar_test_leveldb兩個資料夾還有mean.binaryproto檔案拷到cifar0資料夾下。
修改cifar10_quick_train.prototxt中的source: "cifar-train-leveldb" mean_file: "mean.binaryproto" 和cifar10_quick_test.prototxt中的source: "cifar-test-leveldb"
mean_file: "mean.binaryproto"就可以了,
後面再訓練就類似於MNIST的訓練。寫一個train_quick.bat,內容如下:
copy ..//..//bin//MainCaller.exe ..//..//bin//train_net.exeSET GLOG_logtostderr=1"../../bin/train_net.exe" cifar10_quick_solver.prototxt pause
先編譯一遍 train_net.cpp
執行train_quick.bat
5 執行結果
1 cifar10資料庫
60000張32*32 彩色圖片 共10類
50000張訓練
10000張測試
下載cifar10資料庫:http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
這是binary格式的,所以我們要把它轉換成leveldb格式。
2 在../caffe-windows/examples/cifar10資料夾中有一個 convert_cifar_data.cpp
將他include到MainCaller.cpp中。如下:
編譯....我是一次就通過了 ,在bin資料夾裡出現convert_cifar_data.exe。然後 就可以進行格式轉換。binary→leveldb
可以在bin資料夾下新建一個input資料夾。將cifar10.binary檔案放在input資料夾中,這樣轉換時就不用寫路徑了。
cmd進入bin資料夾
執行後,在output資料夾下有cifar_train_leveldb和cifar_test_leveldb兩個資料夾。裡面是轉化好的leveldb格式資料。
當然,也可以寫一個bat檔案處理,方便以後再次使用。
3 下面我們要求資料影象的均值
編譯../../tools/comput_image_mean.cpp
編譯成功後,沒有出現comput_image_mean.exe。沒關係,我們還有maincaller.exe。接下來求mean
cmd進入bin。
執行後,在bin資料夾下出現一個mean.binaryproto檔案,這就是所需的均值檔案。
4 訓練cifar網路
在.../examples/cifar10資料夾裡已經有網路的配置檔案,我們只需要將cifar_train_leveldb和cifar_test_leveldb兩個資料夾還有mean.binaryproto檔案拷到cifar0資料夾下。
修改cifar10_quick_train.prototxt中的source: "cifar-train-leveldb" mean_file: "mean.binaryproto" 和cifar10_quick_test.prototxt中的source: "cifar-test-leveldb"
mean_file: "mean.binaryproto"就可以了,
後面再訓練就類似於MNIST的訓練。寫一個train_quick.bat,內容如下:
copy ..//..//bin//MainCaller.exe ..//..//bin//train_net.exeSET GLOG_logtostderr=1"../../bin/train_net.exe" cifar10_quick_solver.prototxt pause
先編譯一遍 train_net.cpp
執行train_quick.bat
5 執行結果
相關文章
- Caffe 訓練mnist資料
- Caffe訓練模型時core dump模型
- Caffe下自己的資料訓練和測試
- Caffe-SSD-Ubuntu16-04-訓練自己的資料集Ubuntu
- Caffe SSD Ubuntu16 04 訓練自己的資料集Ubuntu
- (13)caffe總結之訓練和測試自己的圖片
- 2、PyTorch訓練YOLOv11—訓練篇(detect)—Windows系統PyTorchYOLOv1Windows
- Caffe學習記錄:Cifar-10 自定義網路訓練記錄
- 【蜂口 | AI人工智慧】caffe模型訓練——龍鵬的一站式caffe工程實踐連載(七)AI人工智慧模型
- windows下yolov8訓練環境配置WindowsYOLO
- Caffe Windows版本的編譯Windows編譯
- 【機器學習PAI實踐十】深度學習Caffe框架實現影象分類的模型訓練機器學習AI深度學習框架模型
- Windows10 下caffe-Windows安裝與配置Windows
- 【vjudge訓練記錄】11月個人訓練賽1
- acm訓練題ACM
- 【sql】訓練五SQL
- 【sql】訓練四SQL
- 【sql】訓練三SQL
- 【sql】訓練二SQL
- 【sql】訓練一SQL
- IOS Swift 訓練iOSSwift
- 4.17訓練賽
- 【CANN訓練營第三季】基於Caffe ResNet-50網路實現圖片分類
- 自訓練 + 預訓練 = 更好的自然語言理解模型模型
- 3、PyTorch訓練YOLOv11—部署篇(detect)—Windows系統PyTorchYOLOv1Windows
- 【專題訓練】字串字串
- java小白訓練營Java
- 機器學習的訓練集機器學習
- YOLO2訓練YOLO
- 資料集訓練
- CF專項訓練
- 機率期望訓練
- 24.8.18 DP訓練
- dp專題訓練
- 專項訓練們
- windows下使用pytorch進行單機多卡分散式訓練WindowsPyTorch分散式
- PyTorch 模型訓練實⽤教程(程式碼訓練步驟講解)PyTorch模型
- 【學校訓練記錄】10月個人訓練賽3個人題解