win10 caffe安装,mnist训练,测试
环境
系统:Windows10 64位
GPU:GEFORCE 940M
cuda: 8.0
cudnn: 5.1
框架: caffe
语言: python(anaconda2)
编译软件:vs2013
安装
1.vs2013社区版
2.cuda 8.0
默认路径 C:\ProgramFiles\NVIDIA GPU Computing Toolkit
3.安装anaconda2
安装中勾选添加环境变量,cmd中能调用python就成功了
安装后再利用 pip install protobuf
安装protobuf(我也不知道干嘛用的,最后检查要装)
用清华大学源下载超快
使用方式:
pip install XXX -i https://pypi.tuna.tsinghua.edu.cn/simple
默认路径 C:\ProgramData\Anaconda2
4.cudnn 5.1
解压cudnn,将其中的cuda文件夹下的三个子文件夹拷贝至 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\ 目录下,替换原文件
解压得到的cuda文件夹放到同级目录下,如下图
5.caffe包下载
链接: link.https://github.com/Microsoft/caffe
NugetPackages 包可以自己下载好,放在caffe同级目录下
matlab接口配置出现错误,所以没用matlab,后改好gpu路径配置成功
cmake配置方法失败,应该安装git
配置caffe
进入caffe—master/windows,复制CommonSettings.props.example,重命名为CommonSettings.props
打开,修改第7,8,9,13,16,21(算力),24,48,53,55
matlab配置失败是因为这个gpu路径不会改,改成下面就ok了
然后打开caffe.sln,先改属性如下图
模式全改为release x64
然后build libcaffe,成功之后,在caffe-master文件夹中就会有一个Build文件夹
之后每个都编译一下
编译caffe项目
直接在项目pycaffe右键,点击生成即可(matcaffe,用于matlab)
classification:用来分类
compute_image_mean:计算均值
convert_cifar_dat:对cifat数据集进行转换
convert_mnist_data:对mnist数据集进行转换
编译无错后,将caffe-master\Build\x64\Release\pycaffe\caffe文件夹移动到C:\Anaconda2\Lib\site-packages文件夹中
然后打开cmd,python,import caffe,无错就成功了
mnist训练caffe
将下好的数据集解压到 D:\caffe\caffe-master\data\mnist
此目录下的get_mnist.sh 是用来下载数据集的,最初用不了是因为-wget指令需要包,配置好后可用(但这个速度不如自己下…)
要将数据集转换格式,在D:\caffe\caffe-master\examples\mnist下创建bat文件
D:\caffe\caffe-master\Build\x64\Release\convert_mnist_data.exe D:\caffe\caffe-master\data\mnist\train-images.idx3-ubyte D:\caffe\caffe-master\data\mnist\train-labels.idx1-ubyte D:\caffe\caffe-master\examples\mnist\mnist_train_lmdb echo. D:\caffe\caffe-master\Build\x64\Release\convert_mnist_data.exe D:\caffe\caffe-master\data\mnist\t10k-images.idx3-ubyte D:\caffe\caffe-master\data\mnist\t10k-labels.idx1-ubyte D:\caffe\caffe-master\examples\mnist\mnist_test_lmdb pause
成功后该目录下会生成两个转换后的文件夹,分别是训练集和测试集
该目录下,修改网络模型的描述文件“lenet_train_test.prototxt” (它主要定义了模型的名称、网络架构、训练和测试集的路径等。在这里我们需要去修改的其实就是训练集和测试集的路径。)
和 求解(超参数)文件 “lenet_solver.prototxt”(它的内容就是一些网络学习训练的超参数,像基础学习率、测试间隔、权重衰减率、动量、学习率策略、最大迭代步长等等。当然还包含了我们所要训练的网络结构描述文件的路径,还有训练之后模型的保存路径)
修改后如下
可以将prototxt文件放在以下的网址,查看网络的结构:https://ethereon.github.io/netscope/#/editor
开始训练
D:/caffe/caffe-master/Build/x64/Release/caffe.exe train --solver=D:/caffe/caffe-master/examples/mnist/lenet_solver.prototxtPause
桌面下运行,最后\可以,\会出错…(转义和路径的区别,路径统一用/就好了)
训练结果都差不多
模型测试
模型训练好后,在examples\mnist\目录下多了caffemodel模型文件,因此在caffe-master目录下创建test_mnist.bat文件,并运行即可
用验证集测试
D:/caffe/caffe-master/Build/x64/Release/caffe.exe test -model=D:/caffe/caffe-master/examples/mnist/lenet_train_test.prototxt -weights=D:/caffe/caffe-master/examples/mnist/lenet_iter_10000.caffemodel -iterations=100
pause
之后可以测试单张图片了,创建一张28x28, 256位黑底白字的图片,如下,命名为num.bmp, 放到examples/images/路径下
在examples目录下创建python文件test_mnist_num.py,注意路径,代码如下:
import os.path as osp
import caffethis_dir = osp.dirname(__file__)
model_file = osp.join(this_dir, 'D:/caffe/caffe-master/examples/mnist/lenet.prototxt')
pretrained = osp.join(this_dir, 'D:/caffe/caffe-master/examples/mnist/lenet_iter_10000.caffemodel')
image_file = osp.join(this_dir, 'D:/caffe/caffe-master/examples/images/num.bmp')input_image = caffe.io.load_image(image_file, color=False)
net = caffe.Classifier(model_file, pretrained)
prediction = net.predict([input_image], oversample=False)
caffe.set_mode_gpu()print 'predicted_class:', prediction[0].argmax()
之后在cmd中运行,结果如下
win10 caffe安装,mnist训练,测试相关推荐
- (caffe入门)windows caffe 之 mnist 训练
文章目录 1. mnist 数据集下载 2. mnist 数据集转换 3. 修改网络结构文件 lenet_train_test.prototxt 和 网络求解文件 lenet_solver.proto ...
- win10 caffe 安装
Caffe安装及问题解决 Windows+Caffe+VS2013 1.无GPU安装 1.1.caffe安装包下载,https://github.com/Microsoft/caffe 为什么下载这个 ...
- MNIST 训练测试
如下是用的是普通的前馈神经网络,输入层节点为784,隐层节点500,输出层10.这是一个标准的讲解DeepLearning中,在Tensorflow, Pytorch框架下的典型的用于识别MNIST手 ...
- mmrotate自定义数据集安装部署训练测试
环境 Ubuntu18.04 cuda10.2 python3.7 2080s 一.安装 conda create -n mmrotate python=3.7 conda activate mmro ...
- numpy实现全连接网络进行mnist训练测试
import numpy as np import matplotlib.pyplot as plt from sklearn.utils import shuffle from sklearn.mo ...
- 40系笔记本(可不联网激活)深度学习生产力(环境配置和简单训练测试)
40系笔记本深度学习.转码生产力(环境配置和简单训练测试)这里写自定义目录标题 深度学习环境准备 CUDA.CUDNN版本问题 torch版本问题 其他软件版本的安装命令 训练测试代码地址 关于Lin ...
- caffe安装,编译(包括CUDA和cuDNN的安装),并训练,测试自己的数据(caffe使用教程)
caffe是一个非常清晰且高效的深度学习框架,目前有着不少的用户,也渐渐的形成了自己的社区,社区上可以讨论相关的问题. 我从开始看深度学习的相关内容到能够用caffe训练测试自己的数据,看了不少网站, ...
- 【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 ...
- caffe安装_目标检测之caffe-ssd模型训练与测试
最近把一个ssd网络的net..prototxt网络结构和自己生成的hdf5格式数据一起做训练时发现经常报错,因为ssd中一些层在caffe中并没有实现,需要自己写相应的.cpp,.cu文件重新编译, ...
- ubuntu16.04+nvidia gt740m+cuda7.5+caffe安装、测试经历
首先说明,这是在笔记本上的安装测试经历,首先安装的win10,然后安装ubuntu16.04双系统,显卡为nvidia gt740m win10上没有装nvidia gt740m驱动,也就是用的集显, ...
最新文章
- VMware安装虚拟机Ubuntu提示piix4_smbus 0000:00:007.3: Host SMBus controller not enabled错误解决办法...
- 你以为的并不是你所以为的,《传说之下》Undertale打破游戏的墙
- Java注释教程– ULTIMATE指南(PDF下载)
- 使用VS2019创建项目,添加文件和库地址
- C语言 strcspn函数实现
- python编程基础知识体系_【汇总】Python 编程核心知识体系
- 小甲鱼c语言 23课指针 数组和数组指针
- 25个常用Matplotlib图的Python代码,干货收藏!
- 华为防火墙双线路故障自动切换
- 计算机仿真电路实验感想,单相桥式全控整流电路实验心得体会
- pid_t 到底是什么?
- 三星S5P6818移植工程
- Python | Web Crawler
- 举个栗子!Tableau 技巧(152):横向对比堆叠柱形图的各部分占比
- 淘宝获取sku详细信息
- excel 分组求和
- 【企业微信急速救心丸】(一)第三方应用开发 - Java整合企业微信回调
- consplan r语言_模拟退火算法实现:求解中国31个城市TSP问题
- IDEA翻译插件 : Translation 安装及使用 解决Google翻译不能使用【保姆级教学】
- 3D查找表(3D LUT)说明
热门文章
- 如何将在立创商场下载的PCB导入工程
- 视觉心理物理学(2)matlab与ptb3
- 线上点餐APP开发基本功能
- VSPD及友善串口调试助手下载地址
- 你打开的那些网页,大概率是被监控了
- c语言.jpg图片转成数组_Heic图片格式转换器
- Ubuntu扩展系统根目录磁盘空间
- Android 集成环信客服云
- dede config.chche.inc.php,dedecms 后台修改系统设置,但是config.cache.inc.php文件不能写入...
- C# excel 删除重复