Caffe上訓練使用自己的數據

from:?http://www.wjxfpf.com/2015/10/824918.html

接著上篇，上篇講解了怎么在ubuntu下安裝Caffe，如果一切沒問題的話應該是可以用了，下面自己測試一下。

測試mnist

首先切換到caffe-master的主目錄，mnist是作為一個演示存在于caffe-master/examples/mnist下的，需要三步來運行：?
<1>獲得mnist手寫數據庫數據

$ sh data/mnist/get_mnist.sh

<2>根據獲得的原始數據建立數據集（Lmdb形式）

$ sh examples/mnist/create_mnist.sh

<3>訓練并獲得驗證集合的成功率

$ sh examples/mnist/train_lenet.sh

這些腳本Caffe都是寫好了的，直接運行就可以了，如果沒錯的話，你應該看到類似于下面的輸出?


輸出的內容就是創建相應的網絡和進行迭代訓練，這里我只截圖了剛開始訓練的部分，它會產生相應的model，以后我們就可以拿這些model去進行識別了

Caffe上訓練使用自己的數據集

我就以這個來演示下如何使用caffe來使用自己的數據進行訓練和識別（分類）；這是自己做的中文漢字識別的一個實驗，大概有3K多個漢字，我將每個漢字歸為一個類，所以總共有3K多個類，然后就可以在上面訓練識別。由于漢字什么的長得和手寫數字還是很像的（明顯不同與貓、狗之類的），所以我就偷懶用了mnist的網絡結構來訓練，最后效果也還不錯。ps：數據多點結果應該更好點?
（1）對自己的數據進行分類?
在我這個來說，就是把每個漢字歸為一類，首先新建個train文件夾用來做訓練，類的編號從0開始，1,2,3,4,5…….這樣寫，大概是這樣的：?


再建個val文件夾，用來做驗證，val文件夾下所有的圖片不用分類，直接放一起就可以了，大概是這樣：?


（2）寫訓練的數據集和驗證的數據集TXT?
train.txt就是將train文件夾下的圖片歸類，val.txt直接寫圖片的類編號，大概是這樣：?




（3）做數據集?
從imagenet拷貝create_imagenet.sh,進行修改，主要寫上自己的train和val的路徑?


修改完之后就可以運行了，會創建兩個數據集：?


（4）定義網絡結構?
上面說了，對于漢字我就采用了mnist的網絡結構，直接拷貝（3）中獲得的兩個數據集到examples/mnist下，最后就是這樣的：?


紅色圈出的是不需要的，當然如果你需要加均值的話，可以使用make_imagenet_mean.sh，改下路徑就可以用了，但不是必須的?
主要是修改lenet_train_test.prototxt文件的內容：?


修改下路徑就可以了，紅色標明的地方?
還有就是連接的個數，寫上自己實際的類的個數，很重要不然會報錯?


（5）訓練?
直接運行lenet_train.sh就可以了，它調用lenet_train_test.prototxt的網絡結構，學習率，decay之類的參數在lenet_solvet.prototxt里面，大家看著需要自己設置，會產生model文件和驗證結果，類似于上面用mnist自帶的數據集訓練的結果?


最后結果截圖我就不放了，跟第一張差不多，說的就是迭代到多少次，成功率(accuracy)是多少，損失(loss)是多少

總結一下做自己的訓練集的步驟：?
<1>分類；將自己的訓練數據分成類并寫train.txt文件，val直接全放一起，寫val.txt文檔?
<2>做數據集文件(lmdb)?
<3>定義網絡結構?
<4>訓練并驗證

上面說的不太清楚的地方，歡迎咨詢！

總結

以上是生活随笔為你收集整理的Caffe上训练使用自己的数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。