[caffe] 数据制作和训练
[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 ...
最新文章
- 第三章 Git使用入门 心得笔记
- SQL语法之基础查询(进阶1)and条件查询(进阶2)
- python for loop循环程序语句_python-带for循环的格式化输出_for-loop_酷徒编程知识库...
- android strm,Android 关于so文件的随记
- java 多表格处理工具,表单工具十一大标准
- ggplot2绘图如何根据一个变量即区分颜色又区分深浅?
- 【flink】flink写入clickhouse Error while starting CH writer AccessDeninedExcepton
- [jboss] 运行多个JBoss实例
- 学一点Git--20分钟git快速上手 [Neil]
- thinkphp 6.x 5.x nginx php fpm 配置
- 【图像处理】H.264开源解码器评测
- react中使用video标签显示本地视频不生效问题
- WARNING: Too many active WebGL contexts. Oldest context will be lost.
- PayPal贝宝集成
- 数仓(二):数仓构建流程、数据中台建设
- 什么是微信公众号矩阵模式?
- excel学习-数据透视图(插入+设置样式+加公司logo+设置logo大小+删除表中多余东西)
- NBMA网络OSPF路由协议配置
- BCD码的作用和实现
- 子网划分与交换机原理
热门文章
- struct_config.xml中action/set-property标签的用法
- JavsScript与时间相关的函数
- KVM中I/O设备直接分配和SR-IOV(十六)
- 借贷记账法下的账户对应关系_事业单位改用的借贷记账法
- 倒置 mysql_SQL Server中的行列倒置技巧
- 微服务网关Kong 1.0正式发布!提供100+项功能
- 第三部分:MFC中控件的样式
- Nginx的File not found 错误解决
- Live Writer 在oschina上的代码高亮插件推荐
- 使用TS自动抓取镜像