訓練自己的資料

為了完成畢業設計，還需要繼續學習caffe，並能夠成功地訓練自己的實驗資料，這裡整理caffe整個訓練過程。

使用caffe訓練卷積神經網路主要包括以下幾個步驟：（1）預處理影象，一般是指將影象轉化為具有同樣大小的畫素；（2）根據設計好的網路結構配置相應的網路結構檔案和訓練引數檔案；（3）訓練模型並測試結果；（4）視覺化結果（如果需要）。

1.準備資料

caffe的訓練資料可以來自資料庫檔案leveldb和lmdb以及，對於caffe資料層以及引數的介紹可以進一步參考部落格

有人做過實驗，說使用lmdb的讀取速度比leveldb快，這裡我選取lmdb實驗。進一步去做的是就生成帶有標籤的train和test檔案。

(1)生成標籤檔案

首先在examples下建立jd2資料夾,並進一步編寫shell檔案生成train.txt和test.txt

mkdir examples/jd2

gedit examples/jd2/create_filelist.sh

create_filelist.sh的檔案內容如下：

done對於轉化為leveldb和lmdb的方法，請參考部落格

執行shell檔案，sh examples/jd2/create_filelist.sh,生成檔案像下面：

9090

(2)轉化lmdb

首先編寫shell檔案

gedit examples/jd2/create_lmdb.sh

#!/usr/bin/env sh my=examples/jd2 rm -rf $my/img_train_lmdb build/tools/convert_imageset \ --shuffle \ --resize_height=256 \ --resize_width=256 \ /home/whutwf/caffe/data/jd2/ \ $my/train.txt \ $my/img_train_lmdb rm -rf $my/img_test_lmdb build/tools/convert_imageset \ --shuffle \ --resize_width=256 \ --resize_height=256 \ /home/whutwf/caffe/data/jd2/ \ $my/test.txt \

$my/img_test_lmdb

執行shell檔案生成連個資料夾img_train_lmdb和img_test_lmdb

(3)生成均值檔案

減去均值再訓練，會提高訓練速度和精度。因此，一般都會有這個操作。

首先建立shell檔案

#!/usr/bin/env sh # create_mean.sh

build/tools/compute_image_mean examples/jd2/img_train_lmdb examples/jd2/mean.binaryproto

caffe有現有的網路檔案，我們可以使用，也可以去github尋找自己適合的網路檔案。

cp models/bvlc_reference_caffenet/solver.prototxt examples/jd2/

cp models/bvlc_reference_caffenet/train_val.prototxt examples/jd2/

修改solver.prototxt檔案

net: "examples/jd2/train_val.prototxt" test_iter: 2 test_interval: 50 base_lr: 0.001 lr_policy: "step" gamma: 0.1 stepsize: 100 display: 20 max_iter: 500 momentum: 0.9 weight_decay: 0.005

solver_mode: cpu #我使用的是cpu模式

對於train_val.prototxt只需修改檔案路徑和分類個數

name: "caffenet" layer transform_param data_param }layer transform_param data_param }······ ······

······

建立shell檔案並執行（訓練資料）

#!/usr/bin/env sh # train.sh

build/tools/caffe train -solver examples/myfile/solver.prototxt

對於solver.prototxt配置請參考

參考文獻:

[1]denny的學習專欄-caffe學習系列(12)：訓練和測試自己的

[2]薛開宇學習筆記

訓練自己的資料

caffe訓練自己的資料

使用caffe訓練自己的資料

YOLO訓練自己的資料集

訓練自己的資料

caffe訓練自己的資料

使用caffe訓練自己的資料

YOLO訓練自己的資料集

相關推薦