caffe学习笔记1-7-完整版-薛开宇.pdf

读书笔记1 CIFAR-10 在caffe 上进行训练与学习 2014.7.21 薛开宇 本次学习笔记作用，知道如何在caffe 上训练与学习，如何看结果。 1.1 使用数据库：CIFAR-10 60000 张 32X32 彩色图像 10 类 50000 张训练 10000 张测试 1.2 准备 在终端运行以下指令： cd $CAFFE_ROOT/data/cifar10 ./get_cifar10.sh cd $CAFFE_ROOT/examples/cifar10 ./create_cifar10.sh 其中CAFFE_ROOT 是caffe-master 在你机子的地址 运行之后，将会在 examples 中出现数据库文件./cifar10-leveldb 和数据库图像均值二进制文 件./mean.binaryproto 1.3 模型 该CNN 由卷积层，POOLing 层，非线性变换层，在顶端的局部对比归一化线性分类器组成。 该模型的定义在CAFFE_ROOT/examples/cifar10 directory ’s cifar10_quick_totxt 中， 可以进行修改。其实后缀为prototxt 很多都是用来修改配置的。 1.4 训练和测试 训练这个模型非常简单，当我们写好参数设置的文件cifar10_quick_totxt 和定义的 文件cifar10_quick_totxt 和cifar10_quick_totxt 后，运行train_quick.sh 或者在 终端输入下面的命令： cd $CAFFE_ROOT/examples/cifar10 ./train_quick.sh 即可，train_quick.sh 是一个简单的脚本，会把执行的信息显示出来，培训的工具是 train_net.bin,cifar10_quick_totxt 作为参数。 然后出现类似以下的信息： I0317 21:52:48.945710 2008298256 net.cpp:74] Creating Layer conv1 I0317 21:52:48.945716 2008298256 net.cpp:84] conv1 - data I0317 21:52:48.945725 2008298256 net.cpp:110] conv1 - conv1 I0317 21:52:49.298691 2008298256 net.cpp:125] Top shape: 100 32 32 32 (3276800) I0317 21:52:49.298719 2008298256 net.cpp:151] conv1 needs backward computation. 这是搭建模型的相关信息 接着： 0317 21:52:49.309370 2008298256 net.cpp:166] Network initialization done. I0317 21:52:49.309376 2008298256 net.cpp:167] Memory required for Data I0317 21:52:49.309422 2008298256 solver.cpp:36] Solver scaffolding done. I0317 21:52:49.309447 2008298256 solver.cpp:47] Solving CIFAR10_quick_train 之后，训练开始 I0317 21:53:12.179772 2008298256 solver.cpp:208] Iteration 100, lr = 0.001 I0317 21:53:12.185698 2008298256 solver.cpp:65] Iteration 100, loss = 1.73643 ... I0317 21:54:41.150030 2008298256 solver.cpp:87] Iteration 500, Testing net I0317 21:54:47.129461 2008298256 solver.cpp:114] Test score #0: 0.5504 I0317 21:54:47.129500 2008298256 solver.cpp:114] Test score #1: 1.27805 其中每 100 次迭代次数显示一次训练时lr(learning rate),和l