目前網上有很多公布的**，但是，我們如何使用自己的資料對其訓練呢，可以使用以下的**試試改程式的輸入。如果有錯誤，歡迎批評指正，謝謝。
from glob import glob
import random
import numpy as np
import os
batch_size = 8
step = 100 #程式執行的總代數
def get_batch(batch_filename):
#eg .對於二分類程式，標籤的形式是[0,1],[1,0]的形式
# 對於分割程式，標籤的形式和的形式相同，本程式就是針對這部分的
batch_array =
batch_label =
for npy in batch_filename:
try:
arr = np.load(npy)
arr=arr[:,:,:,np.newaxis]
arr_mask=np.load(npy.replace('img', 'mask'))
arr_mask = arr_mask[:, :, :, np.newaxis] #根據自己的需要更改就行
except exception as e:
print("file not exists! %s"%npy)
return np.array(batch_array),np.array(batch_label)
#載入資料
root = '資料的路徑'
every_file = glob(os.path.join(root, "*_img.npy"))
times = int(len(every_file)/batch_size)
for i in range(1, step):
random.shuffle(every_file)
for t in range(times): # 每代中batchsize執行的次數
batch_files = every_file[t * batch_size:(t + 1) * batch_size]
img, mask = get_batch(batch_files)
使用caffe訓練自己的資料
這裡先介紹採用image net來訓練自己的資料 假設放在 data train 假設放在 data val 格式樣例 格式樣例 假設這兩個檔案均放在 data 這裡將資料最好放在自己的使用者組裡面，放在別的使用者組，在呼叫image net的時候可能會涉及到許可權問題導致執行失敗。example ...
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...
caffe訓練自己的資料
本文介紹如何使用 caffe 對自己的影象資料進行分類。1 資料庫準備 由於資料收集比較費時，為了簡單說明，我用了兩類，dog和 bird 每種約 300張。train200 張，val100張。新建乙個資料夾 mine 放自己的資料，在 mine 資料夾下新建 train 和val 資料夾，tra...