利用Caffe实现mnist的数据训练

阿里云的参考文档：https://help.aliyun.com/document_detail/49571.html

在文档里提供了caffe的一个案例，利用Caffe实现mnist的数据训练。准备的数据源可以在“深度学习案例代码及数据下载”页找到Caffe数据下载并解压。要训练自己的图片，还是遇到了不少的问题。

第一，下载图片集，主要参考点击打开链接http://www.cnblogs.com/denny402/p/5083300.html

第二，生成可用的图片列表清单文件。在examples下面创建一个myfile的文件夹，来用存放配置文件和脚本文件。然后编写一个脚本create_filelist.sh，用来生成train.txt和test.txt清单文件。

# sudo mkdir examples/myfile
# sudo vi examples/myfile/create_filelist.sh

编辑此文件，写入如下代码，并保存

#!/usr/bin/env sh
DATA=data/re/
MY=examples/myfile
echo "Create train.txt..."
rm -rf $MY/train.txt
for i in 3 4 5 6 7
do
find $DATA/train -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/train.txt
done
echo "Create test.txt..."
rm -rf $MY/test.txt
for i in 3 4 5 6 7
do
find $DATA/test -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/test.txt
done
echo "All done"

然后，运行此脚本

# sudo sh examples/myfile/create_filelist.sh

成功的话，就会在examples/myfile/ 文件夹下生成train.txt和test.txt两个文本文件，里面就是图片的列表清单。

可以看到test.txt这个列表清单文件里保存的是图片的路径，为了能使用阿里的云服务器，把图片也上传到了oss,所以需要再编写一个脚本文件，将文件中的路径(test/)替换为在阿里云上图片存放的路径(imagestt/owndataset-classify/data-test/)

# sudo gedit examples/myfile/takeplace.sh

插入：

# /usr/bin/env sh
MY=examples/myfileecho "Create takeplace_test.txt..."rm -rf $MY/takeplace_test.txt
sed 's#test/#imagestt/owndataset-classify/data-test/#g' $MY/test.txt >>$MY/takeplace_test.txtecho "Done..."

takeplace_test.txt是替换路径后的txt文件，主要使用linux命令sed，参考上一篇博客： linux sed 批量替换字符串

运行这个脚本文件，生成 takeplace_test.txt文件。

# sudo sh examples/myfile/takeplace.sh

第三，上传相应的图片集 data-test ，图片列表清单文件takeplace_test.txt ，训练所需的模型描述文件train_val.prototxt和超参数设置文件solve.prototxt。其中，outputlist为空文件夹，作为输出oss目录，如下图所示：

注意：这里的模型描述文件train_val.prototxt和超参数设置文件solve.prototxt，文件里的路径要修改，可参看阿里的文档。

第四，新建空白实验，再选中格式转换组件-1，进行参数设置，

图片列表文件oss路径：oss://imagestt.oss-cn-shanghai-internal.aliyuncs.com/owndataset-classify/takeplace_test.txt

输出路径：oss://imagestt.oss-cn-shanghai-internal.aliyuncs.com/owndataset-classify/outputlist/

第五，可以直接点击运行了。

第六，拖一个Caffe组件，再选中组件，进行参数设置：oss://imagestt.oss-cn-shanghai-internal.aliyuncs.com/owndataset-classify/solver.prototxt

第七，右击caffe组件，执行到此处。

利用Caffe实现mnist的数据训练相关推荐

Caffe下自己的数据训练和测试
在caffe提供的例程当中,例如mnist与cifar10中,数据集的准备均是通过调用代码自己完成的,而对于ImageNet1000类的数据库,对于高校实验室而言,常常面临电脑内存不足的尴尬境地.而对 ...
【caffe】mnist数据集lenet训练与测试
在上一篇中,费了九牛二虎之力总算是把Caffe编译通过了,现在我们可以借助mnist数据集,测试下Caffe的训练和检测效果. 准备工作:在自己的工作目录下,新建一个文件夹,命名为mnist_test ...
Windows7 64bit VS2013 Caffe test MNIST操作步骤
在http://blog.csdn.net/fengbingchun/article/details/49849225中用Caffe对MNIST数据库进行训练,产生了model.下面介绍下如何将产生的 ...
利用 caffe的 python接口测试训练好的 mnist 模型
参考博客:https://blog.csdn.net/auto1993/article/details/70941440 在上一篇博客中已经训练好了 mnist 识别手写数字的模型,这篇博客就利用 c ...
Caffe实践】如何利用Caffe训练ImageNet分类网络
Caffe实践]如何利用Caffe训练ImageNet分类网络源文章:https://github.com/BVLC/caffe/tree/master/examples/imagenet 由于要使 ...
【caffe】使用自己的图像数据训练lenet并用opencv进行预测
前面已经介绍了使用使用mnist数据集进行训练lenet,并使用opencv加在caffemodel进行预测.更进一步也是最终的目的,还是要学会使用自己的数据集训练caffemodel并进行预测.这里 ...
DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、预测
DL之DNN:自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练.预测导读计算图在神经网络算法中的作用.计算图的节点是由局部计算构成的. ...
DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比
DL之DNN:自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练.GC对比导读神经网络算法封装为层级结构的作用.在神经网络算法中,通过将 ...
【深度域适配】二、利用DANN实现MNIST和MNIST-M数据集迁移训练
知乎专栏链接:https://zhuanlan.zhihu.com/p/109057360 CSDN链接:https://daipuweiai.blog.csdn.net/article/detail ...

利用Caffe实现mnist的数据训练

利用Caffe实现mnist的数据训练相关推荐

最新文章

热门文章