1. 資料準備
2. 生成訓練資料和測試資料的label，**生成
3. 生成訓練資料和測試資料對應的lmdb：
./build/tools/convert_imageset --shuffle=true --backend="lmdb" ./data/cigarettetrain20170413/ ./data/cigarettetrain20170413/train.txt ./data/cigarettetrain20170413/train_lmdb
./build/tools/convert_imageset --shuffle=true --backend="lmdb" ./data/cigarettetrain20170413/ ./data/cigarettetrain20170413/val.txt ./data/cigarettetrain20170413/val_lmdb
./build/tools/convert_imageset --shuffle=true --backend="lmdb" ./data/cigarettetrain20170413/ ./data/cigarettetrain20170413/test.txt ./data/cigarettetrain20170413/test_lmdb
4. 生成影象均值
./build/tools/compute_image_mean --backend="lmdb" ./data/cigarettetrain20170413/train_lmdb ./data/cigarettetrain20170413/train_lmdb/0327_train-mean.binaryproto
./build/tools/compute_image_mean --backend="lmdb" ./data/cigarettetrain20170413/val_lmdb ./data/cigarettetrain20170413/val_lmdb/0327_val-mean.binaryproto
./build/tools/compute_image_mean --backend="lmdb" ./data/cigarettetrain20170413/test_lmdb ./data/cigarettetrain20170413/test_lmdb/0327_test-mean.binaryproto
5. 配置訓練網路
solver_finetune.prototxt
train_val_finetune.prototxt
6. 訓練
./build/tools/caffe train -gpu all --solver=./data/cigarettetrain20170413/solver_finetune.prototxt --weights=./data/cigarette_image_0327/bvlc_reference_caffenet.caffemodel >train_cigarette_0413.log 2>&1
7. **gpu使用情況
watch -n 1 -d nvidia-smi
8. 測試
./build/tools/caffe test -gpu all -model ./data/cigarettetrain20170413/test.prototxt -weights ./data/cigarettetrain20170413/caffenet_finetune_iter_20000.caffemodel -iterations 1000
Caffe訓練過程
1.caffe入門學習 筆記 1 直接訓練法 usr bin env sh tools cafferead build tools tools caffe train solver gender solver.prorotxt gpu all 加入 gpu 選項 gpu 可以選擇gpu的id號，如果...
的訓練過程 高階 深度學習訓練過程視覺化
給機器學習演算法與python學習加星標，提公升ai技能 編輯丨極市平台 機器學習實驗室 datawhale 深度學習訓練過程一直處於黑匣子狀態，有很多同學問我具體怎麼解釋？其實很多還是無法可解釋，但是通過視覺化，具體可以知道深度學習在訓練過程到底學習了哪些特徵？到底對該目標的哪些特徵感興趣？這些我...
訓練過程 GPU訓練
為什麼y2b的8m，8張普通tt為啥要跑幾個月？因為gpu其實有60 的時間都是在等待資料填充完成，簡直蠢。1 換個固態硬碟試試？沒用。問題出在系統匯流排上,一幀的資料量入視訊記憶體後有1.58g 當前最優的分布式訓練方式是通過引數伺服器 parameter server 執行的同步隨機梯度下降演算...