目录
二、mnist数据集的测试打分(caffe test)(含《21天实战caffe》资源地址)
一、mnist数据集的训练 (caffe train)
该教程很详细,注意事项如下 :
caffe很多东西都是假定在Linux系统下的,在Windows系统下需要有一些变化。
- 训练和测试样本需自己下载并转换。
样本链接:http://yann.lecun.com/exdb/mnist/ 或者 https://download.csdn.net/download/q936795779/10552297
转换脚本。将四个样本放到caffe-windows-ms\data\mnist\目录下,并创建bat脚本。代码如下..\..\Build\x64\Release\convert_mnist_data.exe ..\..\data\mnist\train-images.idx3-ubyte ..\..\data\mnist\train-labels.idx1-ubyte ..\..\examples\mnist\mnist_train_lmdb echo. ..\..\Build\x64\Release\convert_mnist_data.exe ..\..\data\mnist\t10k-images.idx3-ubyte ..\..\data\mnist\t10k-labels.idx1-ubyte ..\..\examples\mnist\mnist_test_lmdb pause
将在examples\mnist下生成两个文件夹。如果convert_mnist_data.exe异常或其他原因不行。
可直接下载转换后文件。https://download.csdn.net/download/q936795779/10552303 -
设置测试网络和训练网络模型,标配已经可以。 lenet_solver.prototxt注意改为CPU模式。
-
编写bat脚本进行模型训练。在caffe-windows-ms\examples\mnist目录下创建bat脚本,代码如下
cd ../../ "Build/x64/Release/caffe.exe" train --solver=examples/mnist/lenet_solver.prototxt pause
(其实就是找到并运行caffe.exe,选择train参数作为模式,并选择solver配置文件。solver文件包含模型信息和控制模型运行信息。)
开始训练。 -
大概10分钟左右便完成10000次迭代,准确率也达到正常的99%。
二、mnist数据集的测试打分(caffe test)
参考书籍:《21天实战caffe》
1. 在caffe-windows-ms\caffe-windows-ms\目录下
(因为样本文件路径是相对路径,否则报错 [Check failed: mdb_status == 0 (3 vs. 0) 系统找不到指定的路径。])
cmd或者创建bat文本,键入如下代码
.\Build\x64\Release\caffe.exe test -model .\examples\mnist\lenet_train_test.prototxt -weights .\examples\mnist\lenet_iter_10000.caffemodel -iterations 100
迭代100次刚好覆盖10000个测试样本,batch_size在model prototxt设置,为100。
..\..\..\Build\x64\Release\classification.exe ..\lenet.prototxt ..\lenet_iter_10000.caffemodel ..\mean.binaryproto .\synset_words.txt .\8.bmp
2. 测试结果:
三、预测自己的手写数字图片(classification)
参考教程:https://blog.csdn.net/zb1165048017/article/details/52217772 从第六步开始制作测试图片
测试图片:8.bmp
执行脚本:
..\..\..\Build\x64\Release\classification.exe ..\lenet.prototxt ..\lenet_iter_10000.caffemodel ..\mean.binaryproto .\synset_words.txt .\8.bmp
写得比较丑,看作5了 。总共5张测试,准确率是60%。