Caffe学习笔记2
Caffe学习笔记2-用一个预训练模型提取特征
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
http://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html
制作一个数据库
先做一个临时文件夹
mkdir examples/_temp
为待处理的文件生成一个文件列表,这些图片在examples/images文件夹下
find `pwd`/examples/images -type f -exec echo {} \; > examples/_temp/temp.txt
我们将使用预计标签之后的每一个文件名,故需要在每一行后面加0
sed "s/$/ 0/" examples/_temp/temp.txt > examples/_temp/file_list.txt
定义特征提取的网络结构
在实际运用中,把分类图片减去均值图像,对提高分类准确率具有很重要的意义,下载ILSVRC的均值文件
./data/ilsvrc12/get_ilsvrc_aux.sh
我们将在网络定义模型中使用data/ilsvrc213/imagenet_mean.binaryproto的文件来定义一个网络模型
拷贝和修改网络训练模型的定义文件,我们将要用的imagedatalayer,这个文件将调整图片大小
cp examples/feature_extraction/imagenet_val.prototxt examples/_temp
提取特征
./build/tools/extract_features.bin models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt fc7 examples/_temp/features 10 leveldb
其中fc7是最高层的特征,我们也可以提取例如conv5或者pool3等其它层的信息
最后一个参数是图片的最小批次
特征最后存在了examples/_temp/features,文件夹下面
如果出现"Check failed: status.ok() Failed to open leveldb examples/_temp/features"的错误,那是因为examples/_temp/features在上一层运行命令的时候就已经存在了,所以要用命令移除它
rm -rf examples/_temp/features/
最后把临时的文件删除不要
rm -r examples/_temp
问题:
- caffemodel不存在
解决:
http://www.cnblogs.com/denny402/p/5111018.html
https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
大概233M
sudo ./scripts/download_model_binary.py models/bvlc_reference_caffenet
问题2:
https://github.com/BVLC/caffe/issues/3505
参数设置错误,改版之后参数没有继续更改,巨坑,最后发现是caffemodel包没有下载完全,一定要检查那个包呀,233M,最后运行成功!
Caffe学习笔记2相关推荐
- CAFFE学习笔记(一)Caffe_Example之训练mnist
CAFFE学习笔记(一)Caffe_Example之训练mnist 0.参考文献 [1]caffe官网<Training LeNet on MNIST with Caffe>; [ ...
- Caffe学习笔记4图像特征进行可视化
Caffe学习笔记4图像特征进行可视化 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/hit201 ...
- 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 ...
- Caffe 学习笔记1
Caffe 学习笔记1 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 ...
- caffe学习笔记(2)
caffe学习笔记(2)-视觉层(vision layers) 本文参考博客caffe学习,是根据这篇博客做的学习笔记.详细情况可以参考原博客,真的很赞. 所有的层都具有的参数,如name, type ...
- caffe学习笔记(1)
caffe学习笔记(1) 刚开始学习caffe,发现一个非常好的博客caffe学习.看了几遍收益匪浅,但是总是记不住,所以决定安装该博客的步骤一点一点实现,然后记录在该系列的博客中.原博客是在ubun ...
- Caffe学习笔记2--Ubuntu 14.04 64bit 安装Caffe(GPU版本)
0.检查配置 1. VMWare上运行的Ubuntu,并不能支持真实的GPU(除了特定版本的VMWare和特定的GPU,要求条件严格,所以我在VMWare上搭建好了Caffe环境后,又重新在Windo ...
- caffe学习笔记2:net forward与backward
caffe学习笔记2:Forward and Backward 原网页:http://caffe.berkeleyvision.org/tutorial/forward_backward.html f ...
- Caffe学习笔记(二):Caffe前传与反传、损失函数、调优
Caffe学习笔记(二):Caffe前传与反传.损失函数.调优 在caffe框架中,前传/反传(forward and backward)是一个网络中最重要的计算过程:损失函数(loss)是学习的驱动 ...
最新文章
- 阿里提出电商搜索全局排序方法,淘宝无线主搜GMV提升5%
- 洛谷P3809 后缀数组模板
- 周期性定时事件的处理
- 读债务危机0812:接管房利美和房地美
- 尹成python爬虫百度云_Python爬虫实战:抓取并保存百度云资源
- 前端学习(1802):前端调试之事件伪类
- Linux 文件编辑命令 详细整理
- 关于Netbeans调试PHP
- Apache shiro
- 库克:大家会爱上有史以来最出色的iPhone和Apple Watch
- Memcached下载与安装
- java模板设计学习
- visual studio哪一款比较好用_电脑桌面上使用的工作便签软件下载哪一款好用?...
- 2T比特每秒!瞻博推出业界最快防火墙
- 现代数字图像处理---lena图像处理
- iOS开发者必备: 五大编程类工具
- mui 框架图片预览
- 程序员常用英语单词汇总
- python计算正数,负数和复数的平方根
- php定时发送qq消息,无需任何工具发送定时QQ消息