因为是在win10下安装的GPU版caffe,所以不能直接运行linux里的shell脚本。但是win10自带bash,可以运行.sh文件,网上也有直接下Cygwin和git的。我是下载好git后才知道win10自带有bash。。

win10自带bash:

git:

转入正题,运行cifar10实例。

在运行这个实例过程中,给我体会最深的是路径问题。我的caffe路径是:

E:\caffe-master\caffe-master\Build\x64\Release

E:\caffe-master\caffe-master\examples\cifar10

下图所示路径即E:\caffe-master\caffe-master就是caffe的根路径。

1.下载数据:

# sudo sh data/cifar10/get_cifar10.sh

以上命令在caffe根路径执行即可。

运行成功后,会在 data/cifar10/文件夹下生成一堆bin文件:原文件中只有get_cifar10这一shell文件。

可见生成的5个训练集和一个测试集。

2.数据转换

bin文件为二进制文件,而caffe只许leveldb和lmdb两种数据格式。这里选择转为leveldb格式。

在/examples/cifar10文件夹中有一个 convert_cifar_data.cpp文件,经过编译之后会生成convert_cifar_data.exe可执行文件。注意这个文件的位置在:

可能有人文件位置不在这个地方,两种原因:第一种是最开始下载安装caffe的时候是在https://github.com/happynear/caffe-windows。而我在https://github.com/BVLC/caffe/tree/windows,两者路径有些不同,第一种而言convert_cifar_data.exe在bin文件下,而我的路径如上图。

新建一个名为input的空文件夹,将之前生成的6个bin(二进制)文件拷贝到input文件夹中,再建一个空文件夹output用来存放生成的leveldb文件。在当前目录下(dara/cifar10/)建立一个 bat 文件,实现binary 到 leveldb 数据集格式转换。(要建立一个output空文件夹,否则会提示could not found files)批处理代码如下:

convert_cifar_data.exe input output leveldb
pause

注意,以上命令中包含convert_cifar_data.exe、input、output,所以执行以上命令时路径下必须同时包括convert_cifar_data.exe、input、output文件夹,也就是说当前路径是\Build\x64\Release则可以直接执行并且会在这个目录下的output中生成leveldb文件。如下图:

好,已经生产levelde文件在output文件夹中:

3.求数据图像的均值,获取mean.binaryproto

这一步需要一个可执行文件:comput_image_mean.exe,他在路径和生成leveldb数据的convert_cifar_data.exe文件在同一个路径下。

在当前路径\Build\x64\Release下新建一个bat文件,然后输入以下命令:

compute_image_mean.exe --backend=leveldb output/cifar10_train_leveldb mean.binaryproto
pause

注意一定强调后端是leveldb格式!否则默认lmdb会出错。以上命令生成训练集的均值。同理,以上命令是在\Build\x64\Release下执行的,所以生成的mean.biaryproto也在这个路径下;

好了,到目前为止,我们有了leveldb数据、均值文件,下一布就可以开始训练了。

4.训练cifar10

首先,在examples/cifar10/文件夹中,找到cifar10_quick_trian_test.prototxt。 修改里面的mean_file和source的路径。backend一律改为LEVELDB。 注意是大写!leveldb不可以!!!,
这个prototxt文件中共有6处要改,分别是train和test的mean-file、source、backend:

注意在examples/cifar10/中有几种不同的训练模式(quick和full等),注意一一对应。我们利用的是cifar10_quick_trian_test.prototxt网络结构,所以在solver中选择cifar10_quick_solver.prototxt

例如你选择的网络是cifar10_full_train_test,那么你的slver应为cifar10_full_solver:

到此一切就绪可以开始了:

Build\x64\Release\caffe.exe train --solver=examples\cifar10\cifar10_quick_solver.prototxt
pause

注意mean_file、sourse等都是在caffe根目录下计算路径的,所以选择在caffe根目录下建立mytrain-cifar10.bat文件,写入以上命令:以上命令都以根目录为标准给出了caffe.exe和cifar10_quick_solver.prototxtde的相对路径:

执行:

参考:

http://blog.csdn.net/hyqsong/article/details/51713444

http://blog.csdn.net/muyouhang/article/details/50688038

caffe-win10-cifar10的更多相关文章

  1. caffe学习--cifar10学习-ubuntu16.04-gtx650tiboost--1g--02

    caffe学习--cifar10学习-ubuntu16.04-gtx650tiboost--1g--02 训练网络: caffe train -solver examples/cifar10/cifa ...

  2. Caffe初试(三)使用caffe的cifar10网络模型训练自己的图片数据

    由于我涉及一个车牌识别系统的项目,计划使用深度学习库caffe对车牌字符进行识别.刚开始接触caffe,打算先将示例中的每个网络模型都拿出来用用,当然这样暴力的使用是不会有好结果的- -||| ,所以 ...

  3. 【caffe】cifar10例子之quick_train.sh在windows下的解决方案

    @tags caffe 照例还是转写为python脚本: import os caffe_root=os.environ['caffe_root'] caffe_build=os.environ['c ...

  4. [Caffe]Win10+VS2015+CUDA8.0+cudnn5.1环境配置

    百度:win10 caffe vs2015 编译caffe.sln工程参见->这里 caffe训练参见->这里 参见->这里 Windows+VS2013爆详细Caffe编译安装教程

  5. caffe学习--cifar10学习-ubuntu16.04-gtx650tiboost--1g--03--20171103

    classification ./examples/cifar10/cifar10_full.prototxt ./examples/cifar10/cifar10_full_iter_70000.c ...

  6. caffe学习--cifar10学习-ubuntu16.04-gtx650tiboost--1g--01

    引用了下文的资料,在此感谢! http://www.cnblogs.com/alexcai/p/5468164.html http://blog.csdn.net/garfielder007/arti ...

  7. Ubuntu+caffe训练cifar-10数据集

    1. 下载cifar-10数据库 ciffar-10数据集包含10种物体分类,50000张训练图片,10000张测试图片. 在终端执行指令下载cifar-10数据集(二进制文件): cd ~/caff ...

  8. caffe+win10+git使用sh文件

    在windows下是否可以执行sh文件呢,搜了一下,可以安装了git就可以执行,当然这不是唯一答案. 然后联想到caffe下有一些.sh文件可以尝试,就用create_mnist.sh尝试把. cre ...

  9. caffe︱cifar-10数据集quick模型的官方案例

    准备拿几个caffe官方案例用来练习,就看到了caffe中的官方案例有cifar-10数据集.于是练习了一下,在CPU情况下构建quick模型.主要参考博客:liumaolincycle的博客 配置: ...

  10. 在Caffe上运行Cifar10示例

    准备数据集 在终端上运行以下指令: cd caffe/data/cifar10 ./get_cifar10.sh cd caffe/examples/cifar10 ./create_cifar10. ...

随机推荐

  1. 自学Python4.6-迭代器

    自学Python之路-Python基础+模块+面向对象自学Python之路-Python网络编程自学Python之路-Python并发编程+数据库+前端自学Python之路-django 自学Pyth ...

  2. 【转】IAR for STM8介绍、下载、安装与注册

    Ⅰ.写在前面 本文讲述的内容是IAR for STM8(EWSTM8)的介绍.下载.安装与注册,其安装.注册过程和IAR for ARM类似,如果需要了解IAR for ARM相关的文章,可以到我博客 ...

  3. 【SDOI 2017】龙与地下城(组合)

    概率论太难了,不会.但这不能阻止我们过题.相信大家都会一个基于背包的暴力做法,我们可以将其看成是卷积的形式就可以用fft优化了.形式化讲,就是求幂级数$ (\sum\limits_{i = 0}^{x ...

  4. LOJ 2664. 「NOI2013」向量内积 解题报告

    #2664. 「NOI2013」向量内积 两个 \(d\) 维向量 \(A=[a_1, a_2 ,...,a_d]\) 与 \(B=[b_1 ,b_2 ,...,b_d]\) 的内积为其相对应维度的权 ...

  5. java web 使用maven打包绕过单元测试

    <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-suref ...

  6. linux提取指定列字符并打印所有内容(awk)

    假设有文件长如下样子: CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO    FORMAT  samplename 1 3552 ...

  7. 洛谷 P1064 金明的预算方案(01背包问题)

    传送门:Problem 1064 https://www.cnblogs.com/violet-acmer/p/9852294.html 题解: 这道题是 “01”背包问题的变形. 如果不考虑买附件必 ...

  8. PHP依赖倒置和控制反转

    判断代码的好坏,我们有自己的标准:高内聚,低耦合.为了解决这一问题,php中有许多优秀的设计模式,比如工厂模式,单例模式. 而在代码中体现出来的设计模式,就如依赖注入和控制反转. 那什么是依赖注入? ...

  9. pyglet--旋转的矩形

    展示怎么制作动画.... #-*- coding:utf-8 -*- from pyglet.gl import * from pyglet import clock def draw_rect(x, ...

  10. 怎么看SQL表里某列是否是自增列

    开启或关闭自增列 SET IDENTITY_INSERT 表名 ON/OFF 1.语句 Select OBJECTPROPERTY(OBJECT_ID('表名'),'TableHasIdentity' ...