windows下使用caffe测试mnist数据集

   2023-02-09 学习力405
核心提示:在win10机子上装了caffe,感谢大神们的帖子,要入坑caffe-windows的朋友们看这里,还有这里,安装下来基本没什么问题。好了,本博文写一下使用caffe测试mnist数据集的步骤。1. 下载mnist数据集。不太看得懂get_mnist.ps1文件,并且运行无效,所以选择直接从mn

在win10机子上装了caffe,感谢大神们的帖子,要入坑caffe-windows的朋友们看这里,还有这里,安装下来基本没什么问题。

好了,本博文写一下使用caffe测试mnist数据集的步骤。

1. 下载mnist数据集。

不太看得懂get_mnist.ps1文件,并且运行无效,所以选择直接从mnist官网下载数据集。下载后解压,从解压后的文件夹提取出四个文件,放在caffe根目录下<caffe-root>\data\mnist下,例如E:\caffe-windows\data\mnist,否则后面运行报错找不到文件。

2. 创建lmdb文件。

也有的人会用leveldb,这里选择使用lmdb存储。在目录E:\caffe-windows\examples\mnist下,运行create_mnist.ps1文件,博主发现闪一下就退出了,抓屏后发现是找不到文件convert_mnist_data.exe,用编辑器打开,发现路径错误,看下图,这是修改过的,使用build_win.exe编译caffe时,build文件夹会建在scripts目录下,找到convert_mnist_data.exe的路径,修改create_mnist.ps1文件。可以看到$DATA后的数据,正是1中提取出的文件。

 windows下使用caffe测试mnist数据集

再次运行,在examples\mnist下生成两个lmdb文件夹。如图:

 windows下使用caffe测试mnist数据集

 

3. 修改参数

examples\mnist目录下lenet_solver.prototxt文件默认使用GPU训练,根据自己情况使用CPU或者GPU。并将文件中的路径改为绝对路径,lenet文件夹是我自己创建的,貌似不能自动创建?

 windows下使用caffe测试mnist数据集

 

同样,examples\mnist目录下lenet_train_test.prototxt文件,修改这里,绝对路径:

 windows下使用caffe测试mnist数据集

 

4. 开始训练。

改完参数了,创建bat文件训练。这里也可以使用examples\mnist目录下提供的train_lenet.ps1,运行出错,还不如用bat文件简简单单两句话

E:\caffe-windows\scripts\build\tools\Release\caffe.exe  train  --solver=E:\caffe-windows\examples\mnist\lenet_solver.prototxt
pause

 

运行结果如图:

 windows下使用caffe测试mnist数据集

 

Ok,done!

 
反对 0举报 0
 

免责声明:本文仅代表作者个人观点,与乐学笔记(本网)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们留言联系,本网站将在规定时间内给予删除等相关处理.

  • caffe调试 ubuntu1404+eclipse
    转自:http://blog.csdn.net/yaoxingfu72/article/details/47999795首先确保你caffe编译成功,而且makefile.config中将DEBUG:=1那一行取消注释,我的caffe根目录为 caffe-master。你也可以在Eclipse中编译caffe,我是先编译好caffe,然后进入Eclipse中调试1
    03-08
  • caffe数据集——LMDB caffe scale
    caffe数据集——LMDB caffe scale
    LMDB介紹Caffe使用LMDB來存放訓練/測試用的數據集,以及使用網絡提取出的feature(為了方便,以下還是統稱數據集)。數據集的結構很簡單,就是大量的矩陣/向量數據平鋪開來。數據之間沒有什麼關聯,數據內沒有復雜的對象結構,就是向量和矩陣。既然數據並不復
    03-08
  • 如何在Caffe下实现SSD caffe部署
    如何在Caffe下实现SSD caffe部署
    一. 配置 Caffe环境及下载、编译、测试SSD源码1.下载源码git clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd2. 编译源码配置Makefile.config【Instuction】【已配置好文件】编译python接口等make -j8# Make sure to include $CAFFE_RO
    03-08
  • Caffe hdf5 layer data 大于2G 的导入
    问题:      Datatype class: H5T_FLOAT,      Check failed: error == cudaSuccess (2 vs. 0)  out of memory.      hdf5 layer 最大的导入的大小是2G, 超过会报错[1]。解决方法:     有人 h5repart -m1g 将数据集分割成多个文件每个是
    02-10
  • caffe神经网络中不同的lr_policy间的区别
    lr_policy可以设置为下面这些值,相应的学习率的计算为:- fixed:   保持base_lr不变.- step:    如果设置为step,则还需要设置一个stepsize,  返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数- exp:     返回base_lr
    02-10
  • Ubuntu配置GPU+CUDA+CAFFE ubuntu配置dns
    参考网站:http://blog.csdn.net/xizero00/article/details/43227019/ (主要参考)http://www.cnblogs.com/platero/p/3993877.html (caffe+cudaGPU)http://www.cnblogs.com/platero/p/4118139.html (cuDNN)http://developer.download.nvidia.com/compute/cuda/
    02-10
  • 关于深度学习(deep learning)的常见疑问 --- 谷
    问答环节问:在finetuning的时候,新问题的图像大小不同于pretraining的图像大小,只能缩放到同样的大小吗?” 答:对的:)问:目前dl在时序序列分析中的进展如何?研究思路如何,能简单描述一下么答:这个有点长,可以看看google最近的一系列machine trans
    02-10
  • 深度学习框架Caffe —— Deep learning in Prac
    因工作交接需要, 要将caffe使用方法及整体结构描述清楚。 鉴于也有同学问过我相关内容, 决定在本文中写个简单的tutorial, 方便大家参考。 本文简单的讲几个事情:Caffe能做什么?为什么选择caffe?环境整体结构Protocol buffer训练基本流程Python中训练Debu
    02-09
  • 使用caffe的HDF5数据完毕回归任务
        一直在研究怎样用caffe做行人检測问题。然而參考那些经典结构比方faster-rcnn等,都是自己定义的caffe层来完毕的检測任务。这些都要求对caffe框架有一定程度的了解。近期看到了怎样用caffe完毕回归的任务,就想把检測问题当成回归问题来解决。   
    02-09
  • caffe: train error:  Serializing 25 layers---  Check failed: proto.SerializeToOstream(&output)
    caffe: train error: Serializing 25 layers--
    I0221 21:47:41.826748  6797 solver.cpp:259]     Train net output #0: loss = 0.00413362 (* 1 = 0.00413362 loss)I0221 21:47:41.826756  6797 solver.cpp:590] Iteration 9980, lr = 0.001I0221 21:47:44.453655  6797 solver.cpp:468] Snapshott
    02-09
点击排行