在安裝完caffe, 我的第乙個想法就是, 別管他是個啥東西, 總得先讓我執行一些看一看吧. 剛好, 官方就準備了一些資料, 供我們執行一下看一看使用.
因為我是通過docker安裝的, 所以沒有經歷網上所說的caffe安裝的繁瑣過程.
在 data/mnist 目錄下, 有乙個 get_mnist.sh 檔案, 用來獲取資料集, 執行
資料有了, 接下來就要將資料轉換成caffe認識的格式了, 轉換的過程也是直接呼叫caffe定義好的檔案即可, 在 examples/mnist 目錄下, 有 create_mnist.sh 檔案, 因為改檔案定義了一些路徑, 所以要在caffe根目錄執行:
轉換後的兩個資料夾為:
當前資料夾下的配置檔案(關於配置檔案中的引數暫不考慮):
在這裡需要修改 lenet_solver.prototxt 中的 solver_mode , 若你的環境不支援gpu, 修改為cpu.
直接執行定義好的訓練指令碼, 回到 caffe 根目錄, 執行 ./examples/mnist/train_lenet.sh(該指令碼定義了乙個 caffe 訓練命令)
因為個人膝上型電腦效能問題, 一萬次迭代了好久才看到結果, 可以看到, 準確率已經達到 99%
訓練好的模型檔案在 examples/mnist 目錄下:
至此, 本次官方例子訓練完成,
貌似這是乙個手寫數字識別的訓練, 但是我在訓練過程中乙個數字都沒看到啊, 不對, 我一張都沒看到啊, 這什麼鬼?? 訓練好的模型怎麼用??
算了, 至少我算是跟著官方的例子執行了以下, 先這樣.
看了標題測試一, 是不是以為有測試二? 哈哈, 不好意思, 沒有, 到此結束, 告辭.
caffe環境搭建與初體驗 一
cd downloads unzip caffe master.zipsudo mv caffe master caffe master複製乙份makefile.config檔案並使用gedit開啟修改配置 cd caffe master sudo cp makefile.config.exampl...
caffe安裝系列 安裝caffe
部落格新址 作業系統 ubuntu 14.04 gcc g 4.7.x opencv 2.4.11和3.0.0 matlab r2014b a python 2.7 安裝命令如下所示 解壓 tar zxvf glog 0.3.3.tar.gz 切換路徑 cd glog 0.3.3 sudo conf...
Caffe安裝 使用
caffe作為cnn的乙個具體部署開源 框架，已經被眾多實驗室使用，其中比較多的有rcnn。本部落格旨在匯集一些關於理解caffe框架及部署過程的部落格，如果有不全面的地方請大家指正。關於如何閱讀caffe，這文章 中有比較好的總結提出。同時對於caffe的總體框架及各部件的關係及作用在 中給出了比...