Windows下使用Caffe-Resnet

转载

mob604756ef5a44 2017-09-24 16:14:00

文章标签 数据集初始化配置文件 cmd命令 shell命令 文章分类 代码人生

caffe的VS版本源代码直接保留了sample里面的shell命令，当然这些shell命令在Windows平台下是不能运行的，需要稍微修改一下，转换为CMD可以理解的脚本代码。

一、使用cifar数据集合。

1.获取cifar10数据集get_cifar10数据集：

echo "Downloading..." wget --no-check-certificate http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz echo "Unzipping..." tar -xf cifar-10-binary.tar.gz && rm -f cifar-10-binary.tar.gz mv cifar-10-batches-bin/* . && rm -rf cifar-10-batches-bin

还是直接下载划算。

2. 生成标准格式的数据集合create_cifar10.sh：

set -e EXAMPLE=examples/cifar10 DATA=data/cifar10 DBTYPE=lmdb echo "Creating $DBTYPE..." rm -rf $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/cifar10_test_$DBTYPE ./build/examples/cifar10/convert_cifar_data.bin $DATA $EXAMPLE $DBTYPE echo "Computing image mean..." ./build/tools/compute_image_mean -backend=$DBTYPE \ $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/mean.binaryproto echo "Done."

cifar10数据集合使用了二进制的bin文件，对于我们来说几乎没有任何意义，只是作为一个测试流程使用。

修改为cmd命令：

convert_cifar_data.exe E:/DataSet/cifar10 E:/DataSet/cifar10 lmdb

把e盘cifar10文件夹下面的文件转换为lmdb格式，到同目录下。

分别生成train和test文件夹，每个文件夹下面存在两个lock.lmdb和data.lmdb文件。

至于为何使用lmdb格式的文件，请到知乎搜索....................

然后修改为cmd命令：

compute_image_mean.exe -backend=lmdb E:/DataSet/cifar10/cifar10_train_lmdb E:/DataSet/cifar10/mean.binaryprot

依次生成lmdb文件，mean.binaryproto文件

二、开始使用Caffe网络

修改Caffe的train_quick命令，修改为：

caffe.exe train --solver=E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt

可以从

cifar10_quick_solver.prototxt

启动简单的caffe网络，开始训练过程

prototxt配置文件里面初始参数是这样的：

name: "CIFAR10_quick" layer { 
 name: "cifar" type: "Data" top: "data" top: "label" include { phase: TRAIN 
} 
transform_param { 
mean_file: "E:/DataSet/cifar10/mean.binaryproto"
 } 
data_param{ 
source: "E:/DataSet/cifar10/cifar10_train_lmdb" batch_size: 100 backend: LMDB 
} 
} 
layer{ 
name: "cifar" type: "Data" top: "data" top: "label" include { phase: TEST } 
transform_param { 
mean_file: "E:/DataSet/cifar10/mean.binaryproto"
 } 
data_param { source: "E:/DataSet/cifar10/cifar10_test_lmdb" batch_size: 100 backend: LMDB 
} 
}