参考文章:

编译历程参考:CNN:Windows下编译使用Caffe和Caffe2

caffe的VS版本源代码直接保留了sample里面的shell命令,当然这些shell命令在Windows平台下是不能运行的,需要稍微修改一下,转换为CMD可以理解的脚本代码。

一、使用cifar数据集合。

1.获取cifar10数据集get_cifar10数据集:

echo "Downloading..." wget --no-check-certificate http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz echo "Unzipping..." tar -xf cifar-10-binary.tar.gz && rm -f cifar-10-binary.tar.gz mv cifar-10-batches-bin/* . && rm -rf cifar-10-batches-bin

还是直接下载划算。

2. 生成标准格式的数据集合create_cifar10.sh:

set -e EXAMPLE=examples/cifar10 DATA=data/cifar10 DBTYPE=lmdb echo "Creating $DBTYPE..." rm -rf $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/cifar10_test_$DBTYPE ./build/examples/cifar10/convert_cifar_data.bin $DATA $EXAMPLE $DBTYPE echo "Computing image mean..." ./build/tools/compute_image_mean -backend=$DBTYPE \ $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/mean.binaryproto echo "Done."

cifar10数据集合使用了二进制的bin文件,对于我们来说几乎没有任何意义,只是作为一个测试流程使用。

修改为cmd命令:

convert_cifar_data.exe E:/DataSet/cifar10 E:/DataSet/cifar10 lmdb

把e盘cifar10文件夹下面的文件转换为lmdb格式,到同目录下。

分别生成train和test文件夹,每个文件夹下面存在两个lock.lmdb和data.lmdb文件。

至于为何使用lmdb格式的文件,请到知乎搜索....................

然后修改为cmd命令:

 compute_image_mean.exe -backend=lmdb E:/DataSet/cifar10/cifar10_train_lmdb E:/DataSet/cifar10/mean.binaryprot

依次生成lmdb文件,mean.binaryproto文件

二、开始使用Caffe网络

修改Caffe的train_quick命令,修改为:

caffe.exe train --solver=E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt

可以从

cifar10_quick_solver.prototxt

启动简单的caffe网络,开始训练过程

prototxt配置文件里面初始参数是这样的:

name: "CIFAR10_quick" layer { name: "cifar" type: "Data" top: "data" top: "label" include { phase: TRAIN
}
transform_param {
mean_file: "E:/DataSet/cifar10/mean.binaryproto"}
data_param{
source: "E:/DataSet/cifar10/cifar10_train_lmdb" batch_size: 100 backend: LMDB
}
}
layer{
name: "cifar" type: "Data" top: "data" top: "label" include { phase: TEST }
transform_param {
mean_file: "E:/DataSet/cifar10/mean.binaryproto"}
data_param { source: "E:/DataSet/cifar10/cifar10_test_lmdb" batch_size: 100 backend: LMDB
}
}

训练完成后,生成.model文件。留作使用。

 三、注意事项

      1. 在使用初始化的过程中,使用protobuf解析网络配置文件,出现默认初始化问题。    

     

       在solver_param.mutable_train_state()->set_level(FLAGS_level);

           CHECK(ReadProtoFromTextFile(param_file, param));

           ReadProtoFromTextFile(filename.c_str(), proto);

           bool success = google::protobuf::TextFormat::Parse(input, proto);/

     调用栈之中,解析文件目录为  filename = 0x0000029ed8a371a0 "E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt"

     而 默认初始化 net 目录和+        snapshot_prefix_  为  0x0000029ee0ead6b0 "examples/cifar10/cifar10_quick"   ,是相当悲剧的行为。

     下载源码,编译后,调试进入,

载回头来看这些繁琐的东西,真是蛋疼。

三、开始使用残差网络

修改E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt 文件,修改为:

#net: "E:/DataSet/cifar10/Net/cifar10_quick_train_test.prototxt"
net: "E:/DataSet/Net/ResNet-50-deploy.prototxt"

可以直接使用caffe的ResNet50网络

Windows下使用Caffe-Resnet相关推荐

  1. 深度学习之Windows下安装caffe及配置Python和matlab接口

    去年下半年看了相关目标检测的论文,一些传统的算法,一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展,主要都是基于深度学习卷积神经网络方面的,包括RCNN,SPP-NET,Fas ...

  2. windows下使用Caffe框架和matlab实现SRCNN官方代码的步骤

    步骤 step1 搭建caffe环境 在windows系统上搭建caffe环境,并配置matlab接口(需要下载 caffe-master.zip 以及 VS2013 ) 我的环境为:windows1 ...

  3. 【caffe】create_cifar10.sh在windows下解决方案

    @tags caffe python windows下配置caffe后,create_cifar10.sh无法执行,因为是shell脚本.那就看懂脚本意思,用python重写一个: # create_ ...

  4. Caffe(CPU-only)版本在windows下的安装及配置

    参考文章 win7 + Caffe CPU版本安装 Caffe初体验之Caffe-Windows的配置(CPU/GPU)与Mnist数据集测试 win10下装caffe的cpu版本详解 Windows ...

  5. Windows下用VS2013加载caffemodel做图像分类

    本文假设你已经安装CUDA,CUDA版本是7.5. 1.编译caffe的Windows版本 happynear的博客已经介绍了如何在windows下编译caffe,这里把我自己编译的过程记录下来,也算 ...

  6. ubuntu 系统下的Caffe环境搭建

    原文地址:http://blog.csdn.net/hjimce/article/details/48781693 作者:hjimce 对于caffe的系统一般使用linux系统,当然也有window ...

  7. win10下使用caffe训练自己的数据,车牌二分类

    caffe编译参考:http://blog.csdn.net/cym1990/article/details/72630584 1.数据格式转换 Caffe采用leveldb或者lmdb的数据格式. ...

  8. 【caffe】windows下caffe+vs2013+python2.7+cuda8.0+cmake3.8编译与配置

    项目的需要,终究还是用到了深度学习,Caffe无疑是我这种菜鸟最好的入门平台,然鹅,事情并没有想象的那么简单!!!单是编译caffe的库就已经把我折腾得灰头土脸了,搜了很多caffe的编译教程,一步一 ...

  9. Windows下Caffe的学习与应用(一)——训练自己的数据模型(GoogleNet)

    前言 之前有用OpenCv的SUFT特征提取和SVM.BOW做过按图像里的内容进行分类的相关项目,耗时长,准确率又不是很高,各种优化之后准确率也只有百分七十到八十,所以一直想用caffe试试. 一.系 ...

  10. windows下VS2015配置caffe

    Windows下VS2015配置caffe,是一件其实挺简单但是坑特别多的事情,稍有不慎就爬不出来,写博客来记录最后在老师帮助下才配置成功的经验(严格按照老师的教程一步也不能错才行),当然我写得也详细 ...

最新文章

  1. 测试脚本的实用性:谈嵌入式系统在型式试验中的脚本应用
  2. CentOS6.4之文本编辑器Vi/Vim
  3. LeetCode Anagrams
  4. RF - 完整用例展示
  5. 常见的html行级元素及语义,HTML入门之——结构,常用标签及其属性,再加上语义化...
  6. mysql 字符串替换:处理历史稿件中的图片路径
  7. 计算机mooc操作测试视频,计算机基础课MOOC视频的制作方法.doc
  8. [渝粤教育] 广东-国家-开放大学 21秋期末考试工程项目管理10324k2
  9. uva 10622——Perfect P-th Powers
  10. 【STC15库函数上手笔记】9、硬件SPI
  11. vue 按A-Z字母排序数据
  12. 前端学习(2514):实战
  13. caffe data层_Caffe Softmax层的实现原理?
  14. python自动导出数据脚本_使用python生成一个导出数据库的bat脚本文件的示例代码...
  15. Got error 28 from storage engine的错误怎么办
  16. FutureMapping:空间人工智能的计算结构
  17. 《测绘综合能力》——摄影测量与遥感
  18. 光纤测试之常见光纤端面问题
  19. js骚操作骂人不带脏
  20. 什么是抖音小店飞鸽3分钟人工回复率?了解客服回复问题以及解决方案

热门文章

  1. SFB 项目经验-55-另类更新Exchange 2016 KB
  2. yii2设置默认控制器
  3. MySQL错误:Specified key was too long; max key length is 767 bytes
  4. javascript运动系列第七篇——鼠标跟随运动
  5. Java ServletContextListener用法
  6. ssh无密码登录设置(centos6系统下实现)
  7. [postgresql] postgresql 安装
  8. asp.net 研发,测试,或现网....非本机环境采用附加进程的方式在本地调试
  9. CSS样式属性单词之Left
  10. ZooKeeper学习第一期---Zookeeper简单介绍(转)