Caffe学习-手写数字识别

1. Caffe训练方法综述

caffe非常简单，训练时只需写prototxt文件即可，其大致的步骤为：

Resize图片，转换存储格式(LMDB/LevelDB)
定义网络结构（编辑prototxt）
定义solver（编辑另一个prototxt）
一行命令开始训练（可以基于已有的权重赋值）

如下图所示，其训练的过程，关于卷积神经网络（CNN）可以参考：计算机视觉与卷积神经网络

下面对手写数字识别进行训练。

2. MNIST数据集

mnist是一个大型的手写数字库，其包含60000个训练集和10000个测试机，每张图片已经进行了尺度归一化等操作，因此可以直接拿过来使用。

下载

可以在Caffe源码框架的/data/mnist下执行,如果没有安装Caffe，请参考：linux(ubuntu)下安装深度学习框架caffe

cd data/mnist
./get_mnist.sh

下载后可以看到其文件：

yqtao@yqtao:~/caffe/data/mnist$ tree
.
├── get_mnist.sh
├── t10k-images-idx3-ubyte
├── t10k-labels-idx1-ubyte
├── train-images-idx3-ubyte
└── train-labels-idx1-ubyte

注意：下载后的文件需要转换存储格式为LEVELDB或LMDB，这要做有两个原因：

转换成统一的格式可以简化数据读取层的实现

提高磁盘I/O的利用率

转换格式

// 执行命令
yqtao@yqtao:~/caffe$ ./examples/mnist/create_mnist.sh

这要会在example/mnist产生 mnist_test_lmdb和mnist_train_lmdb两个目录分别存放测试集和训练集。

3. 定义层次结构

这是非常重要的一步，但是其完全是模板话的定义，如下图所示为LeNet-5模型所定义的CNN：

这张图非常的重要，有了它，编写后面的网络结构就好非常的清晰了。关于上图的结构是写到.prototxt文件中的，其文件描述在 /example/mnist/lenet_train_val.prototxt中。

数据层

数据层的图示：

  1 name: "LeNet"                  //Net的名称2 layer {3   name: "mnist"4   type: "Data"                //表明为数据层5   top: "data"                 //top,表示输出6   top: "label"7   include {                   //只在训练时有效8     phase: TRAIN9   }10   transform_param {11     scale: 0.00390625        //数据变化缩放因子12   }13   data_param {               //数据层的参数14     source: "examples/mnist/mnist_train_lmdb" //来源15     batch_size: 64          //一次读取64张图片16     backend: LMDB           //数据格式17   }18 }

卷积层

卷积层的图示：

如下卷积层的定义：

 36 layer { 37 name: "conv1" 38 type: "Convolution" 39 bottom: "data" //上一层的输出，这一层的输入 40 top: "conv1" //这一层的输出 41 param { //学习率 42 lr_mult: 1 43 }44   param { 45 lr_mult: 2 46 }47   convolution_param { 48 num_output: 20 //也就是depth 49 kernel_size: 5 //核的大小5*5 50 stride: 1 //步长1 51 weight_filler { //权值初始方式 52 type: "xavier" 53 }54     bias_filler { 55 type: "constant" 56 }57   }58 }

注意：在top,和bottom中一定不要写错了！

池化层

池化层图示：

其定义如下：

 59 layer {60   name: "pool1"61   type: "Pooling"62   bottom: "conv1"63   top: "pool1"64   pooling_param {65     pool: MAX           //下采样的方法66     kernel_size: 2      //窗口67     stride: 2           //步长68   }69 }

全链接层

其定义如下：

104 layer { 105 name: "ip1" 106 type: "InnerProduct" 107 bottom: "pool2" 108 top: "ip1" 109 param { 110 lr_mult: 1 111 }
112   param { 113 lr_mult: 2 114 }
115   inner_product_param { 116 num_output: 500 117 weight_filler { 118 type: "xavier" 119 }
120     bias_filler { 121 type: "constant" 122 }
123   }
124 }

激励层

其图示如下：

定义如下：

125 layer { 126 name: "relu1" 127 type: "ReLU" 128 bottom: "ip1" 129 top: "ip1" 130 }

损失层

定义如下：

162 layer { 163 name: "loss" 164 type: "SoftmaxWithLoss" 165 bottom: "ip2" 166 bottom: "label" 167 top: "loss" 168 }

注意：计算损失的时候的输入为label为数据层的一个输出，和全连接层的输出ip2，这一层的输出为loss。

4. 定义超参数文件

有了上面的网络结构的文件后还需要一个solver.prototxt的文件，其指定了训练的超参数。

其文件目录在example/mnist/lenet_solver.prototxt,每一项都有详细的解析。

  1 # The train/test net protocol buffer definition2 net: "examples/mnist/lenet_train_test.prototxt"3 # test_iter specifies how many forward passes the test should carry out.4 # In the case of MNIST, we have test batch size 100 and 100 test iterations,5 # covering the full 10,000 testing images.6 test_iter: 1007 # Carry out testing every 500 training iterations.8 test_interval: 5009 # The base learning rate, momentum and the weight decay of the network.10 base_lr: 0.0111 momentum: 0.912 weight_decay: 0.000513 # The learning rate policy14 lr_policy: "inv"15 gamma: 0.000116 power: 0.7517 # Display every 100 iterations18 display: 10019 # The maximum number of iterations20 max_iter: 1000021 # snapshot intermediate results22 snapshot: 500023 snapshot_prefix: "examples/mnist/lenet"24 # solver mode: CPU or GPU25 solver_mode: CPU

5. 训练

首先了解build/tools/caffe.bin的用法，如下所示：

yqtao@yqtao:~/caffe$ ./build/tools/caffe.bin
caffe.bin: command line brew
usage: caffe <command> <args>commands:train           train or finetune a modeltest            score a modeldevice_query    show GPU diagnostic informationtime            benchmark model execution timeFlags from tools/caffe.cpp:-gpu (Optional; run in GPU mode on given device IDs separated by ','.Use'-gpu all' to run on all available GPUs. The effective training batchsize is multiplied by the number of devices.) type: string default: ""-iterations (The number of iterations to run.) type: int32 default: 50-level (Optional; network level.) type: int32 default: 0-model (The model definition protocol buffer text file.) type: stringdefault: ""-phase (Optional; network phase (TRAIN or TEST). Only used for 'time'.)type: string default: ""-sighup_effect (Optional; action to take when a SIGHUP signal is received:snapshot, stop or none.) type: string default: "snapshot"-sigint_effect (Optional; action to take when a SIGINT signal is received:snapshot, stop or none.) type: string default: "stop"-snapshot (Optional; the snapshot solver state to resume training.)type: string default: ""-solver (The solver definition protocol buffer text file.) type: stringdefault: ""-stage (Optional; network stages (not to be confused with phase), separatedby ','.) type: string default: ""-weights (Optional; the pretrained weights to initialize finetuning,separated by ','. Cannot be set simultaneously with snapshot.)type: string default: ""

则进行训练的命令为：

//执行命令 ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

其中solver=examples/mnist/lenet_solver.prototxt为指定的超参数文件。

运行部分结果如下：

I0311 17:43:26.273123 16205 sgd_solver.cpp:106] Iteration 9900, lr = 0.00596843
I0311 17:43:34.746616 16205 solver.cpp:454] Snapshotting to binary proto file examples/mnist/lenet_iter_10000.caffemodel
I0311 17:43:34.758142 16205 sgd_solver.cpp:273] Snapshotting solver state to binary proto file examples/mnist/lenet_iter_10000.solverstate
I0311 17:43:34.799706 16205 solver.cpp:317] Iteration 10000, loss = 0.00373883
I0311 17:43:34.799777 16205 solver.cpp:337] Iteration 10000, Testing net (#0)
I0311 17:43:40.162556 16205 solver.cpp:404]     Test net output #0: accuracy = 0.9914
I0311 17:43:40.162638 16205 solver.cpp:404]     Test net output #1: loss = 0.0260208 (* 1 = 0.0260208 loss)
I0311 17:43:40.162645 16205 solver.cpp:322] Optimization Done.
I0311 17:43:40.162649 16205 caffe.cpp:254] Optimization Done.

可以看到，最终的训练模型的权值保存在 examples/mnist/lenet_iter_10000.caffemodel 训练的状态保存在 examples/mnist/lenet_iter_10000.solverstate

6. 验证

执行下面的命令，指定命令test,参数网络定义的位置和权值的位置即可。

yqtao@yqtao:~/caffe$ ./build/tools/caffe.bin test \
> -model examples/mnist/lenet_train_test.prototxt \
> -weights examples/mnist/lenet_iter_10000.caffemodel \
> -iterations 100

运行结果如下：

0311 17:49:28.120023 16423 caffe.cpp:308] Batch 96, accuracy = 0.97
I0311 17:49:28.120096 16423 caffe.cpp:308] Batch 96, loss = 0.0561079
I0311 17:49:28.174964 16423 caffe.cpp:308] Batch 97, accuracy = 0.98
I0311 17:49:28.175036 16423 caffe.cpp:308] Batch 97, loss = 0.0847761
I0311 17:49:28.229038 16423 caffe.cpp:308] Batch 98, accuracy = 1
I0311 17:49:28.229110 16423 caffe.cpp:308] Batch 98, loss = 0.00344597
I0311 17:49:28.286336 16423 caffe.cpp:308] Batch 99, accuracy = 1
I0311 17:49:28.286495 16423 caffe.cpp:308] Batch 99, loss = 0.00835868
I0311 17:49:28.286504 16423 caffe.cpp:313] Loss: 0.0260208
I0311 17:49:28.286516 16423 caffe.cpp:325] accuracy = 0.9914
I0311 17:49:28.286526 16423 caffe.cpp:325] loss = 0.0260208 (* 1 = 0.0260208 loss)

最终的精确度为accuracy = 0.9914.

7. 总结

转换存储格式(LMDB/LevelDB)
定义网络结构（编辑prototxt）
定义solver（编辑另一个prototxt）
学习使用caffe.bin命令的使用