轻量级神经网络平台tiny-dnn实践

    tiny-dnn跑起来

                  

github:  https://github.com/tiny-dnn/tiny-dnn#build

先上github下载tiny-dnn的源码

这个深度学习框架可以在多平台运行，而且不依赖任何的库，是新人上手的好项目

但是这个项目本身不带makefile
如果想在ubuntu下面运行，需要先用跨平台的编译工具cmake来生成makefile文件
故我先安装一个cmake工具,去下面的官网下载

https://cmake.org/

我下载的版本是 cmake-3.8.0-rc3.tar.gz

然后 tar -zxvf 这个命令来解压

解压之后有个文件bootstrap脚本文件，这个是安装必不可少的

然后运行以下命令安装cmake

$sudo ./bootstrap &&sudo make &&sudo make install

然后解压 tiny-dnn-master.zip

cd 到解压出来的目录下

现在开始选择所需要开启的一些外挂

主要是一些提高运行速度的并行库啥的，我现在第一遍跑，不打算打开这些加速外挂
我先把例子跑一跑 需要BUILD_EXAMPLES=ON ，BUILD_TESTS=ON

执行下面的命令进行cmake

$ cmake -BUILD_EXAMPLES=ON -BUILD_TESTS=ON .

然后在tiny-dnn-master文件夹下面会生成一个makefile文件啦

然后直接

$ make

接下来开始喝杯咖啡，稍等一会儿

这个时候你可以打开tiny-dnn-master文件夹下面的example文件夹，或者test文件夹，你会看见生成一个个的可执行文件

这样ubuntu下可以运行的可执行文件就准备好了

这个时候可以开始跑代码啦，先在线训练一个mnist数据集玩一玩(使用妙算的同学不建议跑这个，有可能三个小时就过去了，我是在台式机上跑的，花费约四、五分钟)

$ ./examples/example_mnist_train data

然后继续喝杯咖啡，小憩一会。

好的，训练结束，效果如图

准确率为99.1％

反正这是一个轻量级平台，效果相当不错啦.

现在我们开始识别吧

你需要搞一张手写体图片，像下面这样

  4.bmp

将这张图片存在某个目录下,我是存放在example文件夹下面的

然后运行

$ ./examples/example_mnist_test examples/.bmp

结果如下

可以看出，4是准确识别出来了哦（4排名第一，7排名第二，1排名第三）.

有什么问题我再更新吧，今天先到这里。

update  --  2017-3-30

for robomasters