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. 洛谷P3345 [ZJOI2015]幻想乡战略游戏(动态点分治,树的重心,二分查找,Tarjan-LCA,树上差分)

    洛谷题目传送门 动态点分治小白,光是因为思路不清晰就耗费了不知道多少时间去gang这题,所以还是来理理思路吧. 一个树\(T\)里面\(\sum\limits_{v\in T} D_vdist(u,v ...

  2. 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 ...

  3. Ubuntu/Unity中更改窗口修饰键Alt为Super

    在Ubuntu中的Unity桌面环境里,可以使用Alt配合鼠标左键拖动窗口,这一方便的设定有许多不方便的地方.和很多的软件有热键上的冲突,比如Visual Stdio Code的多光标控制功能. 注意 ...

  4. A1103. Integer Factorization

    The K-P factorization of a positive integer N is to write N as the sum of the P-th power of K positi ...

  5. minio上传大于30M文件失败

    minio上传30M文件失败.提示失败或者进度不动.翻查手册发现并未限速.原因是使用了nginx做代理.上传超过30M大的客户端文件无法正常上传,修改了下nginx的配置,就可以了. 加上client ...

  6. 简易selenium自动化测试框架(Python)

    最近空闲时间在探索Selenium的自动化测试,简单的写了一个小框架来测试公司的一个web产品.该框架包括以下模块: 1. Test case编写模式(page模式,参考之前的博文http://www ...

  7. 【BZOJ】3282: Tree(lct)

    http://www.lydsy.com/JudgeOnline/problem.php?id=3282 复习了下lct,发现两个问题.. 1:一开始我以为splay那里直接全部rot(x)就好了,然 ...

  8. POJ1258 Agri-Net【最小生成树】

    题意: 有n个农场,已知这n个农场都互相相通,有一定的距离,现在每个农场需要装光纤,问怎么安装光纤能将所有农场都连通起来,并且要使光纤距离最小,输出安装光纤的总距离. 思路: 又是一个最小生成树,因为 ...

  9. 第14月第17天 automaticallyAdjustsScrollViewInsets contentInsetAdjustmentBehavior

    1. automaticallyAdjustsScrollViewInsets self.edgesForExtendedLayout = UIRectEdgeNone; if ([self resp ...

  10. NodeJs进击,新建一个Node Server

    直接新建一个server.js 然后 输入以下代码 var http = require('http') http.createServer(function(req,res){ res.writeH ...