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