Caffe初学拾遺(一)簡単な命令

2490 ワード

Original Source : Alex’s CIFAR-10 tutorial 
ここではCIFAR-10データセットを例に、Caffeのtrainおよびtest操作について簡単に説明する.
1. solver.prototxtおよびcifar 10_full_train_test.prototxtの違い:
CIFAR-10トレーニングネットワークプロファイルとテストネットワークプロファイルが同一のcifar 10_full_train_test.prototxtファイル.
通常、モデルフォルダのAlexNetのような3つが現れる.prototxtファイル、train_val.prototxtはこれと似ています.
そしてprototxtはグローバルパラメータを含むプロファイルで、主にtrainおよびfine-tuningに使用され、testでは不要です.
2. cifar10_full_train_test.prototxtのデータ入力:
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"
    batch_size: 100
    backend: LMDB
  }
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_test_lmdb"
    batch_size: 100
    backend: LMDB
  }
}

1で述べたように、ここで定義する
train
および
test
を選択します.
3. cifar10_quick_solver.prototxtの説明:
# Carry out testing every 500 training iterations.
test_interval: 500

500回のトレーニング反復ごとに検証テストを行います(
validation
)は、訓練が終わってからテストを行うわけではありません(
test
).
# snapshot intermediate results
snapshot: 4000
snapshot_format: HDF5

保存する場合
snapshot_format: HDF5
生成されます
.h5
トレーニングを続行するための接尾辞のスナップショット
fine-tuning.
この文を注釈すると生成される.caffemodel接尾辞権値ファイルは、トレーニング、fine-tuning、またはtestを継続するために使用されます.
4.トレーニング:
caffe train \
  --solver=examples/cifar10/cifar10_quick_solver.prototxt

ネットワーク構造
cifar10_quick_solver.prototxt 
ファイルには次のものがあります.
net: "examples/cifar10/cifar10_quick_train_test.prototxt"

5.利用
snapshot
トレーニングの継続:
caffe train \
  --solver=examples/cifar10/cifar10_quick_solver_lr1.prototxt \
  --snapshot=examples/cifar10/cifar10_quick_iter_4000.solverstate.h5

4000回の反復後のスナップショットを利用しています
.h5
6.テスト:
sudo caffe test \
   --model=./examples/cifar10/cifar10_train_test.prototxt   --weights=./examples/cifar10/cifar10_quick_iter_5000.caffemodel --iterations 100 -gpu all

すべての
GPU
ロード前に5000回反復したmodel