基于LeNet的手写汉字识别(caffe)
我假设已经成功编译caffe,如果没有,请参考http://caffe.berkeleyvision.org/installation.html
在本教程中,我假设你的caffe安装目录是CAFFE_ROOT
一.数据准备
首先,你需要从MNIST网站下载mnist数据,并转换数据格式。可以通过执行以下命令来实现
cd $CAFFE_ROOT
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
如果显示没有安装wget或者gunzip,那么你需要分别安装。运行以上脚本之后,
examples/mnist文件夹下应该有以下两个文件夹:mnist_lmdb 和 mnist_test_lmdb
至此,数据准备完毕。
二. LeNet: the MNIST 分类模型(classification Model)
在我运行训练程序之前,让我解释下发生了什么。我们使用LeNet网络,LeNet因为在数字分类任务
表现非常不错而受到关注。我们使用了和LeNet原始实现有轻微不同的版本。我们用ReLU激活函数
代替了神经元的sigmoid激活函数。
LeNet的设计包含了CNNs的特性,这些特性仍然被用在类似ImageNet的这样的大型模型中。实际上,
LeNet包含卷积层,卷积层后面跟随着池化层,然后另外一层卷积层跟着这一层池化层,然后跟着两个
全连接层,和传统的多成感知相识。我们在以下文件定义了这些网络层:
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt
.
三. 定义MNIST网络
这节讲述了 lenet_train_test.prototxt 的模型定义,用于手写数字分类(识别).
我们假设你熟悉Goople Protobuf,并认为你读过caffe使用的protobuf定义,你可以
在以下路径中找到:$CAFFE_ROOT/src/caffe/proto/caffe.proto
.
具体而言,我们会写一个caffe::NetParameter(或者用python, caffe.proto.caffe_pb2.NetParameter) protobuf.
我们将会通过给一个网络名字开始:
name:"LetNet"
数据层
当前,我们将会从刚刚创建的lmdb中读取MNIST数据,从lmdb中读取数据在data layer中定义
layer{
name: "mnist"
type: "Data"
transform_param{
scale:0.00390625
}
data_param{
source: "mnist_train_lmdb"
backend: LMDB
batch_size:64
}
top: "data"
top: "label"
}
具体而言,这网络层的名字为mnist, 类型为data,这个网络层从给定的lmdb source读取数据。我们使的
batch_size为64,我们缩放输入的图像像素,这样可以让想素质的范围落在[0,1]之间,为什么是0。00390625呢?
因为1/256=0.00390625。最后,该网络层产生两个blobs,一个是data blob, 另外一个是label blob
卷积层
让我们开始定义第一层卷积层吧。
layer{
name: "conv1"
type: "Convolution"
param { lr_mult:1 }
param { lr_mult:2 }
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
bottom: "data"
top: "conv1"
}
这层(第一层卷积层)接收data blob(数据层产生的数据)然后生成conv1 layer.conv1 产生20个通道的输出,
卷积核大小为5x5,步长为1。
filler允许我们随机初始化权重和偏置的值,对于weight filler, 我们使用xavier算法,该算法基于输入输出神经元的数量
自动决定初始化的尺度。对于偏置,我们简单的将其初始化为constant, 默认为0。
lr_mults是对于层的可学习参数的学习率的调整。在这个例子中,在运行期间我们将会把
权重学习率设置成solver给的学习率相同,偏置学习率是solver给的学习率的两倍,因为
这样有利于收敛速率。
池化层
实际上池化层更好定义。
layer {
name: "pool1"
type: "Pooling"
pooling_param {
kernel_size: 2
stride: 2
pool: MAX
}
bottom: "conv1"
top: "pool1"
}
以上定义的意思是说我们会通过2x2的过滤器,和步长为2的方式执行最大池化
(所以相邻的池化区域不会产生重叠)
同样,你可以写第二层卷积层和池化层。详细内容查看:
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt
全连接层
写全连接层同样简单
layer {
name: "ip1"
type: "InnerProduct"
param { lt_mult: 1}
param { lr_mult: 2}
inner_product_param {
num_output: 500
weigh_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
bottom: "pool2"
top: "ip1"
}
这个定义为全连接层(在caffe框架中,我们称InnerProduct layer)有500个输出。
ReLU层
ReLU层也一样简单
Layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
因为ReLU是元素层面的运算,我们可以do in-place运算来保存记忆。这是通过给bottom和top blobs
相同的名字来实现。当然,不要在其它层类型给重复的blob名字
ReLU层之后,我们会写另外一层的全连接层
layer {
name: "ip2"
type: "InnerProduct:
param {lr_mult: 1 }
param { lr_mult: 2 }
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
bottom: "ip1"
top: "ip2"
}
损失层
最后,我们写损失层
layer {
name: "loss"
type: "SoftmaxWidthLoss"
bottom: "ip2:
bottom: "label"
}
softmax_loss 层实现了softmax和多项后勤损失(multinomial logistic loss).
softmax_loss takes two blobs, 第一个是预测,第二个是给数据层提供标签。
它不产生任何输出。它所做的就是开始反向传播的时候计算损失函数的值,并report,
并依据ip2层初始化梯度。
额外的提示:写神经网络层的规则。
神经网络层的定义如下:
layer {
// ...layer definition
include: { phase: TRAIN }
}
这是一个规则,基于当前的网络状态,控制层包含在网络里面。关于层规则和模型原理的更多规则,
你可以参考:$CAFFE_ROOT/src/caffe/proto/caffe.proto
在上面的例子,这层只包括TRAIN phase。如果我们把TRAIN换成TEST, 那么这层会只包括test phase。
默认情况下,没有层规则,一层总是被包含在网络里面。因此,lenet_train_test.prototxt有两层数据层定义
(with different batch_size), 一层是用来训练,另一层是测试期间使用。同样,在TEST phase 包含精度层
(Accuracy layer), 用来每100次迭代汇报一次精度,在lenet_solver.prototxt定义。
四. 定义MNIST Solver
仔细检查每prototxt每一行的解释:$CAFFE_ROOT/examples/mnist/lenet_solver.prototxt
:
# The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: GPU
五. 训练和测试模型
你写了网络定义protobuf和solver protobuf 文件之后,训练和测试是非常简单的。
简单的执行train_lenet.sh, 或者执行以下命令:
cd $CAFFE_ROOT
./examples/mnist/train_lenet.sh
train_lenet.sh是一个简单的脚本,但是这里有一个简单的解释:主要训练工具是caffe.
当你运行代码的时候,你会看到很多如下的信息:
I1203 net.cpp:66] Creating Layer conv1
I1203 net.cpp:76] conv1 <- data
I1203 net.cpp:101] conv1 -> conv1
I1203 net.cpp:116] Top shape: 20 24 24
I1203 net.cpp:127] conv1 needs backward computation.
这些信息告诉你每一层的细节,它的连接和它的输出模型。这些信息也许有助于你调试。
初始化之后,将会开始训练:
I1203 net.cpp:142] Network initialization done.
基于solver的设置,每100次迭代我们将会打印训练损失函数;每500次迭代将会测试一次网络。
I1203 solver.cpp:36] Solver scaffolding done.
I1203 solver.cpp:44] Solving LeNet
你会看到如下信息:
I1203 solver.cpp:204] Iteration 100, lr = 0.00992565
对于每一次训练迭代,lr是迭代的训练速率,loss是训练函数。对于测试期间的输出,
I1203 solver.cpp:66] Iteration 100, loss = 0.26044
...
I1203 solver.cpp:84] Testing net
I1203 solver.cpp:111] Test score #0: 0.9785
I1203 solver.cpp:111] Test score #1: 0.0606671
score 0 是精度, score 1是测试的损失。 几分钟之后就完成了。
I1203 solver.cpp:84] Testing net
I1203 solver.cpp:111] Test score #0: 0.9897
I1203 solver.cpp:111] Test score #1: 0.0324599
I1203 solver.cpp:126] Snapshotting to lenet_iter_10000
I1203 solver.cpp:133] Snapshotting solver state to lenet_iter_10000.solverstate
I1203 solver.cpp:78] Optimization Done.
最后的模型,会以二进制protobuf文件储存。储存在lenet_iter_1000
如果你用实际情况的数据训练,你可以部署你训练的模型在你的应用中。
原文网址:http://caffe.berkeleyvision.org/gathered/examples/mnist.html
基于LeNet的手写汉字识别(caffe)的更多相关文章
- <脱机手写汉字识别若干关键技术研究>
脱机手写汉字识别若干关键技术研究 对于大字符集识别问题,一般采用模板匹配的算法,主要是因为该算法比较简单,识别速度快.但直接的模板匹配算法往往无法满足实际应用中对识别精度的需求.为此任俊玲编著的< ...
- 基于LeNet网络的中文验证码识别
基于LeNet网络的中文验证码识别 由于公司需要进行了中文验证码的图片识别开发,最近一段时间刚忙完上线,好不容易闲下来就继上篇<基于Windows10 x64+visual Studio2013 ...
- 【Caffe 测试】Training LeNet on MNIST with Caffe
Training LeNet on MNIST with Caffe We will assume that you have Caffe successfully compiled. If not, ...
- 基于Python使用SVM识别简单的字符验证码的完整代码开源分享
关键字:Python,SVM,字符验证码,机器学习,验证码识别 1 概述 基于Python使用SVM识别简单的验证字符串的完整代码开源分享. 因为目前有了更厉害的新技术来解决这类问题了,但是本文作 ...
- 基于FPGA的肤色识别算法实现
大家好,给大家介绍一下,这是基于FPGA的肤色识别算法实现. 我们今天这篇文章有两个内容一是实现基于FPGA的彩色图片转灰度实现,然后在这个基础上实现基于FPGA的肤色检测算法实现. 将彩色图像转化为 ...
- 基于MATLAB的人脸识别算法的研究
基于MATLAB的人脸识别算法的研究 作者:lee神 现如今机器视觉越来越盛行,从智能交通系统的车辆识别,车牌识别到交通标牌的识别:从智能手机的人脸识别的性别识别:如今无人驾驶汽车更是应用了大量的机器 ...
- 基于FPGA的数字识别的实现
欢迎大家关注我的微信公众号:FPGA开源工作室 基于FPGA的数字识别的实现二 作者:lee神 1 背景知识 1.1基于FPGA的数字识别的方法 通常,针对印刷体数字识别使用的算法有:基于模版 ...
- 【文智背后的奥秘】系列篇——基于CRF的人名识别
版权声明:本文由文智原创文章,转载请注明出处: 文章原文链接:https://www.qcloud.com/community/article/133 来源:腾云阁 https://www.qclou ...
- 基于 OpenCV 的人脸识别
基于 OpenCV 的人脸识别 一点背景知识 OpenCV 是一个开源的计算机视觉和机器学习库.它包含成千上万优化过的算法,为各种计算机视觉应用提供了一个通用工具包.根据这个项目的关于页面,OpenC ...
随机推荐
- Python 類別 class 的繼承 Inheritance
既然 Python 是面向物件 Object Oriented 語言,它就有類別 Class 與物件 Object 的概念. 甚麼是類別 class ? 簡單講: 類別好比蓋房子的施工藍圖 Blue ...
- CSS动效集锦,视觉魔法的碰撞与融合(一)
前言 在本文中我讲述了7种CSS的动效,它们也许看起来并不惊艳,但是我认为却足够传达本文的理念:编写一些特殊的CSS样式的时候需要不拘于常理,要用特殊的认识角度看待标签和样式属性,从而用「绕个弯」的方 ...
- Mina各组件介绍
Mina各组件介绍 上一篇文章已经系统的介绍了Mina的运行流程,Apache推出的Mina性能上很是高效,上章节我们知道内部有很多的类,各个类之间的依赖也是很多,他们之家都是相互依赖. 下面主要看看 ...
- 你真的了解setState()吗?
React 中 setState()详细解读 对于 setState() 相信伙伴们都用过,它是 React 官方推荐用来更新组件 state 的 API,但是对于 setState() 你真的了解吗 ...
- Django之ORM-model模型属性
Django1.8.2中文文档:Django1.8.2中文文档 或者 https://yiyibooks.cn/xx/django_182/index.html 项目准备 注释:关于项目准备,其实和后 ...
- springboot中oracle的依赖添加失败的解决
由于Oracle授权问题,Maven3不提供oracle JDBC driver 步骤一:在pom中添加如下: <!--Oracle 驱动 --> <dependency> ...
- unity编辑器扩展_02(分别在Hierarchy,Project中创建一个选项)
在Hierarchy面板创建选项的代码: [MenuItem("GameObject/Test",false,1)] static void Test1() { ...
- Codeforces 396C
题意略. 思路: 将树上的节点编好dfs序,然后就可以用树状数组区间修改点查询了. 我们用 lft[v] 和 rht[v]来表示v的子树在dfs序中的左端和右端,这样才方便我们对树状数组的操作. 其实 ...
- Spring框架之JdbcTemplate
Spring框架之JdbcTemplate 一.JdbcTemplate简介 Spring对数据库的操作在jdbc上面做了深层次的封装,使用spring的注入功能,可以把DataSource注册到Jd ...
- Spring框架入门之基于Java注解配置bean
Spring框架入门之基于Java注解配置bean 一.Spring bean配置常用的注解 常用的有四个注解 Controller: 用于控制器的注解 Service : 用于service的注解 ...