[caffe] 数据制作和训练

在使用caffe时，我们希望使用自己的数据进行训练，以下给出如何制作自己的数据。所有的数据制作都是基于imagenet的。

1.数据准备，我们需要一个train和valid文件夹，一个train.txt和val.txt（图片文件夹的位置可以任意，但是这两个txt文件的位置在data/mydata/目录下）

train和valid文件夹自然就存放着待训练的图片，train.txt和val.txt的数据格式如下

train_example/1.jpg 0
train_example/2.jpg 0
train_example/3.jpg 0
train_example/4.jpg 0
train_example/5.jpg 0
train_example/6.jpg 0
train_example/7.jpg 0
train_example/8.jpg 0
train_example/9.jpg 0

前边是图片路径，后便是label，注意label是从0开始的。

2. 在example目录下创建自己的文件夹mytask，将imagenet中所有的文件烤过来，然后进行修改。

create_imagenet.sh

//当前路径
EXAMPLE=/home/kongtao/caffe-master/examples/voc2007_test1
//存放train.txt和val.txt的路径，就是data/mydata
DATA=/home/kongtao/caffe-master/data/voc2007_data1
//不变
TOOLS=/home/kongtao/caffe-master/build/tools//存放train和val图片文件夹的主目录（这里与txt文件中的目录合起来才是图片目录）
TRAIN_DATA_ROOT=/home/kongtao/learn/cnn_learn/VOC2007_research/VOCdevkit/
VAL_DATA_ROOT=/home/kongtao/learn/cnn_learn/VOC2007_research/VOCdevkit/

运行create_imagenet.sh，生成两个数据文件lmdb

make_image_mean.sh 也是修改相应的路径

最后需要修改的是model中prototxt文件，只需要修改路径

运行

./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt

这样就可以了。

以上完成了一个数据文件的创建和训练的过程，对于我们来说，其实网络架构显得更重要，因此不仅仅是调通，更重要的是调整网络架构和改进，这也是最难得部分。

多chanel,需要对数据进行提前白化

import numpy as np
import caffe
import lmdb# obviously load your own inputs here -- this is just by way of example
# to show the data can have any channel dimension
# as the dimensions are N x K x H x W
inputs = np.zeros((10, 5, 227, 227))in_db = lmdb.open('input-lmdb', map_size=int(1e12))
with in_db.begin(write=True) as in_txn:for in_idx, in_ in enumerate(inputs):in_dat = caffe.io.array_to_datum(in_)in_txn.put('{:0>10d}'.format(in_idx), im_dat.SerializeToString())
in_db.close()

记录一下别人制作的东东

http://deepdish.io/2015/04/28/creating-lmdb-in-python/

还有一个

http://blog.csdn.net/ayst123/article/details/44077903

原创文章，转载请注明出处，谢谢！

http://www.cnblogs.com/taokongcn/p/4341371.html

from：http://www.cnblogs.com/taokongcn/p/4341371.html

[caffe] 数据制作和训练相关推荐

行人检测0-05：LFFD-行人训练数据制作以及训练
以下链接是个人关于LFFD(行人检测)所有见解,如有错误欢迎大家指出,我会第一时间纠正.有兴趣的朋友可以加微信:17575010159 相互讨论技术.若是帮助到了你什么,一定要记得点赞!因为这是对我最 ...
Caffe上用SSD训练和测试自己的数据
学习caffe第一天,用SSD上上手. 我的根目录$caffe_root为/home/gpu/ljy/caffe 一.运行SSD示例代码 1.到https://github.com ...
Caffe学习笔记3——制作并训练自己的数据集
Caffe学习笔记3 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h ...
语义分割 patches 训练数据制作
patches 切割在制作训练数据集,或使用训练好的模型对大尺寸图像进行预测时,需要将图像进行切割成 patches patches 的切割可以分为: 离线切割,将切割的 patches 保存至本 ...
人脸识别0-02：insightFace-模型训练与训练数据制作-史上最全
以下链接是个人关于insightFace所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加QQ:944284742相互讨论技术. 人脸识别0-00:insightFace目录:https ...
Windows caffe（四）训练自己的图片数据
前一次实验将原始的图片数据转化为caffe可以运行的lmdb格式. 本次实验完整分析,如何训练自己的图片数据. 毕竟我们学习caffe要应用到实际的科研/工作中,而不仅仅停留在实验上. 一.实验准备 ...
【DOTA】制作Efficientdet训练数据
[DOTA]制作Efficientdet训练数据记录一下用Efficientdet训练DOTA数据集前的数据准备工作文章目录 [DOTA]制作Efficientdet训练数据 1.图片整理 2.生 ...
python制作训练集_利用Tensorflow简单实现VGGNet，从数据集制作到训练完成测试
VGGNet_TF 利用Tensorflow简单实现VGGNet,从数据集制作到训练完成测试参考:<Tensorflow实战><Tensorflow 实战Google深度学习框架& ...
使用caffe自带模型训练cifar10数据集
前面训练了mnist数据集!但caffe自带的数据集还有cifar10数据集.同样cifar10数据集也是分类数据集,共分10类.cifar10数据集中包含60000张32x32的彩色图片.(其中 ...

[caffe] 数据制作和训练

[caffe] 数据制作和训练

[caffe] 数据制作和训练相关推荐

最新文章

热门文章