相信吗，caffe上不写代码就可以运行mnist数据集训练与测试....

OpenCV学堂

发布于 2019-12-10 11:05:45

9340

发布于 2019-12-10 11:05:45

文章被收录于专栏：贾志刚-OpenCV学堂

背景知识

本文基于Caffe-Windows系统下实现mnist手写数字识别LeNet网络的训练与测试。关于Caffe-Windows的安装与配置请参考下面的链接即可：

教程 | Caffe在Windows10系统上安装与配置

LeNet网络

只有五层的卷积神经网络，实现0～9数字识别！结构如下：

LMDB

Caffe中训练数据读取通过LMDB实现，支持文本、图像数据的key-value存储，通过数据层表述与训练时加载使用，所以需要把mnist数据集首先生成位LMDB格式的数据。Caffe中只需要运行下面的脚本工具即可实现。

运行mnist example

第一步：制作LMDB数据

发现caffe widnow的工具压根无法在windows系统环境下运行，最后我只好下载已经制作好的LMDB数据。我把下载好的train与test的LMDB放到了\caffe\data\mnist文件夹下。

第二步: 修改数据层

在caffe\examples\mnist文件夹下有两个跟训练与运行相关的文件

lenet_solver.prototxt
lenet_train_test.prototxt

这里需要打开第二个文件，打开之后修改数据输入层的数据路径部分，我修改好之后的显示如下：

第三步：修改训练配置文件参数

打开lenet_solver.prototxt文件，其中：

solver_mode // 表示是CPU运行还是GPU运行 max_iter: 10000 // 表示运行steps的数目 snapshot: 5000 // 表示每5000个step就保存一次caffemodel net:xxxxx // 表示网络描述与定义的文件路径(.prototxt)

最终我的修改如下：

# The train/test net protocol buffer definition
net: "D:/projects/caffe/examples/mnist/lenet_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "D:/projects/caffe/examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: CPU

一切准备就绪以后，直接在命令中执行如下切换到如下目录：

D:\projects\caffe\scripts\build\install\bin

然后执行命令行

caffe train -solver D:/projects/caffe/examples/mnist/lenet_solver.prototxt

疯狂训练运行中，mnist示例caffe运行get！

我真的一行都代码都没写，Caffe真香！

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2019-12-05，如有侵权请联系 cloudcommunity@tencent.com 删除

windows

本文分享自 OpenCV学堂微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

windows

登录后参与评论

0 条评论

热度