Caffe 实例笔记 1 CaffeNet从训练到分类及可视化参数特征

首先使用caffeNet训练数据集然后使用训练好的模型分类

1 使用caffeNet训练自己的数据集

主要参考：

官方网址：

http://caffe.berkeleyvision.org/gathered/examples/imagenet.html

数据集及第一部分参考网址：http://www.lxway.com/4010652262.htm

主要步骤：

1. 准备数据集

2. 标记数据集

3. 创建lmdb格式的数据

4. 计算均值

5. 设置网络及求解器

6. 运行求解

由于imagenet的数据集太大，博主电脑显卡840m太弱，所以就选择了第二个网址中的数据集 http://pan.baidu.com/s/1o60802I ，其训练集为1000张10类图片，验证集为200张图片，原作者已经整理好其标签放于对应的txt文件中，所以这里就省去上面的1-2步骤。

1.1 创建lmdb

使用对应的数据集创建lmdb：

这里使用 examples/imagenet/create_imagenet.sh，需要更改其路径和尺寸设置的选项，为了减小更改的数目，这里并没有自己新创建一个文件夹，而是直接使用了原来的imagenet的文件夹，而且将train.txt,val.txt都放置于/data/ilsvrc12中，

TRAIN_DATA_ROOT=/home/beatree/caffe-rc3/examples/imagenet/train/
VAL_DATA_ROOT=/home/beatree/caffe-rc3/examples/imagenet/val/

RESIZE=true

注意下面的地址的含义：

echo "Creating train lmdb..."

GLOG_logtostderr=1 $TOOLS/convert_imageset     --resize_height=$RESIZE_HEIGHT     --resize_width=$RESIZE_WIDTH     --shuffle     $TRAIN_DATA_ROOT     $DATA/train.txt     $EXAMPLE/ilsvrc12_train_lmdb

主要用了tools里的convert_imageset

1.2 计算均值

模型需要我们从每张图片减去均值,所以我们需要获得训练的均值，直接利用./examples/imagenet/make_imagenet_mean.sh创建均值文件binaryproto，如果之前创建了新的路径，这里同样需要修改sh文件里的路径。

这里的主要语句是

$TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb   $DATA/imagenet_mean.binaryproto

如果显示Check failed: size_in_datum == data_size () Incorrect data field size说明上一步的图片没有统一尺寸

1.3 设置网络及求解器

这里是利用原文的网络设置tain_val.prototxt和slover.prototext，在models/bvlc_reference_caffenet/solver.prototxt路径中，这里的训练和验证的网络基本一样用 include { phase: TRAIN } or include { phase: TEST }和来区分，其两点不同之处具体为：

transform_param {
    mirror: true#不同1：训练集会randomly mirrors the input image
    crop_size: 227
    mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
  }
data_param {
    source: "examples/imagenet/ilsvrc12_train_lmdb"#不同2：来源不同
    batch_size: 32#原文很大，显卡比较弱的会内存不足，这里改为了32，这里根据需要更改，验证集和训练集的设置也不一样
    backend: LMDB
  }

另外在输出层也有不同，训练时的loss需要用来进行反向传递，而val就不需要了。

solver.protxt的改动：

根据

net: "/home/beatree/caffe-rc3/examples/imagenet/train_val.prototxt"#网络配置存放地址
test_iter: 4， 每个批次是50，一共200个
test_interval: 300 #每300次测试一次
base_lr: 0.01 #是基础学习率,因为数据量小,0.01 就会下降太快了,因此可以改成 0.001，这里博主没有改
lr_policy: "step" #lr可以变化
gamma: 0.1 #学习率变化的比率
stepsize: 300
display: 20 #20层显示一次
max_iter: 1200 一共迭代1200次
momentum: 0.9
weight_decay: 0.0005
snapshot: 600 #每600存一个状态
snapshot_prefix: "/home/beatree/caffe-rc3/examples/imagenet/"#状态存放地址

1.4 训练

使用上面的配置训练，得到的结果准确率仅仅是0.2+，数据集的制作者迭代了12000次得到0.5的准确率

1.5 其他

1.5.1杀掉正在运行的caffe进程：

ps -A#查看所有进程，及caffe的代码
kill -9 代码#杀掉caffe

1.5.2 查看gpu的使用情况

nvidia-sim -l
（NVIDIA System Management Interface）

1.5.3 查看时间使用情况

./build/tools/caffe time --model=models/bvlc_reference_caffenet/train_val.prototxt

我的时间使用情况

Average Forward pass: 3490.86 ms.
Average Backward pass: 5666.73 ms.
Average Forward-Backward: 9157.66 ms.
Total Time: 457883 ms.

1.5.4 恢复数据

如果我们在训练途中就停电或者有了其他的情况，我们可以通过之前保存的状态恢复数据，使用的时候直接添加–snapshot参数即可，如：

./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt --snapshot=models/bvlc_reference_caffenet/caffenet_train_iter_10000.solverstate

这时候运行会从snapshot开始继续运行，如从第600迭代时运行：

2 使用pycaffe分类

http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb

2.1 import

首先载入环境：



# set up Python environment: numpy for numerical routines, and matplotlib for plotting
import numpy as np
import matplotlib.pyplot as plt
# display plots in this notebook
%matplotlib inline#这里由于ipython启动时移除了 pylab 启动参数，所以需要使用这种格式查看，官网介绍http://ipython.org/ipython-doc/stable/interactive/reference.html#plotting-with-matplotlib：
#To start IPython with matplotlib support, use the --matplotlib switch. If IPython is already running, you can run the %matplotlib magic. If no arguments are given, IPython will automatically detect your choice of matplotlib backend. You can also request a specific backend with %matplotlib backend, where backend must be one of: ‘tk’, ‘qt’, ‘wx’, ‘gtk’, ‘osx’. In the web notebook and Qt console, ‘inline’ is also a valid backend value, which produces static figures inlined inside the application window instead of matplotlib’s interactive figures that live in separate windows.

# set display defaults
#关于rcParams函数http://matplotlib.org/api/matplotlib_configuration_api.html#matplotlib.rcParams
plt.rcParams[‘figure.figsize‘] = (10, 10)        # large images
plt.rcParams[‘image.interpolation‘] = ‘nearest‘  # don‘t interpolate: show square pixels
plt.rcParams[‘image.cmap‘] = ‘gray‘  # use grayscale output rather than a (potentially misleading) color heatmap

然后

import caffe#如果没有设置好路径可能发现不了caffe，需要import sys cafe_root=‘你的路径‘，sys.path.insert(0,caffe_root+‘python‘)之后再import caffe

下面下载模型，由于上面刚开始我们用的数据不是imagenet，现在我们直接下载一个模型，可能你的python中没有yaml，这里可以用pip安装（终端里）：

sudo apt-get install python-pip
pip install pyyaml
cd #你的caffe root
./scripts/download_model_binary.py /home/beatree/caffe-rc3/model
/bvlc_reference_caffenet
#其他的网络路径如下：models/bvlc_alexnet  models/bvlc_reference_rcnn_ilsvrc13  models/bvlc_googlenet  model zoo的连接http://caffe.berkeleyvision.org/model_zoo.html，模型一共232m

2.2 模型载入

caffe.set_mode_cpu()#使用cpu模式
model_def=‘/home/beatree/caffe-rc3/models/bvlc_reference_caffenet/deploy.prototxt‘
model_weights=‘/home/beatree/caffe-rc3/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel‘
net=caffe.Net(model_def,
              model_weights,
              caffe.TEST)

mu=np.load(‘/home/beatree/caffe-rc3/python/caffe/imagenet/ilsvrc_2012_mean.npy‘)
mu=mu.mean(1).mean(1)

mu长成下面这个样子：

array([[[ 110.17708588,  110.45915222,  110.68373108, ...,  110.9342804 ,
          110.79355621,  110.5134201 ],
        [ 110.42878723,  110.98564148,  111.27901459, ...,  111.55055237,
          111.30683136,  110.6951828 ],
        [ 110.525177  ,  111.19493103,  111.54753113, ...,  111.81067657,
          111.47111511,  110.76550293],
          ……

得到bgr的均值

print ‘mean-subtracted values:‘, zip(‘BGR‘, mu)

mean-subtracted values: [(‘B‘, 104.0069879317889), (‘G‘, 116.66876761696767), (‘R‘, 122.6789143406786)]

matplotlib加载的image是像素[0-1],图片的数据格式[weight,high,channels]，RGB 而caffe加载的图片需要的是[0-255]像素，数据格式[channels,weight,high],BGR，那么就需要转换 ，这里用了 caffe.io.Transformer,可以使用help()来获得相关信息，他的功能有

preprocess(self, in_, data)

set_channel_swap(self, in_, order)

set_input_scale(self, in_, scale)

set_mean(self, in_, mean)

set_raw_scale(self, in_, scale)

set_transpose(self, in_, order)

# create transformer for the input called ‘data‘
transformer = caffe.io.Transformer({‘data‘: net.blobs[‘data‘].data.shape})#net.blobs[‘data‘].data.shape=(10, 3, 227, 227)

transformer.set_transpose(‘data‘, (2,0,1))  # move image channels to outermost dimension第一个变成了channels
transformer.set_mean(‘data‘, mu)            # subtract the dataset-mean value in each channel
transformer.set_raw_scale(‘data‘, 255)      # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap(‘data‘, (2,1,0))  # swap channels from RGB to BGR

2.3 cpu 分类

这里可以准备开始分类了，下面改变输入size的步骤也可以跳过，这里batchsize设置为50只是为了演示用，实际我们只对一张图片进行分类。

# set the size of the input (we can skip this if we‘re happy
#  with the default; we can also change it later, e.g., for different batch sizes)
net.blobs[‘data‘].reshape(50,        # batch size
                          3,         # 3-channel (BGR) images
                          227, 227)  # image size is 227x227
image = caffe.io.load_image( ‘path/to/images/cat.jpg‘)
transformed_image = transformer.preprocess(‘data‘, image)
plt.imshow(image)

得到一个可爱的小猫,接下来看一看模型是不是认为她是不是小猫

# copy the image data into the memory allocated for the net
net.blobs[‘data‘].data[...] = transformed_image

### perform classification
output = net.forward()

output_prob = output[‘prob‘][0]  # the output probability vector for the first image in the batch

print ‘predicted class is:‘, output_prob.argmax(),output_prob[output_prob.argmax()]

得到结果：

predicted calss is 281 0.312436

也就是第281种最有可能，概率比重是0.312436

那么第231种是不是猫呢，让我们接着看

# load ImageNet labels
labels_file = caffe_root + ‘data/ilsvrc12/synset_words.txt‘#如果没有这个文件，须运行/data/ilsvrc12/get_ilsvrc_aux.sh
labels = np.loadtxt(labels_file, str, delimiter=‘\t‘)

print ‘output label:‘, labels[output_prob.argmax()]

结果是answer is n02123045 tabby, tabby cat连花纹都判断对了。接下来让我们进一步观察判断的结果：

# sort top five predictions from softmax output
top_inds = output_prob.argsort()[::-1][:5]  # reverse sort and take five largest items

print ‘probabilities and labels:‘
zip(output_prob[top_inds], labels[top_inds])

得到的结果是：

[(0.31243584, ‘n02123045 tabby, tabby cat‘),#虎斑猫
 (0.2379715, ‘n02123159 tiger cat‘),#虎猫
 (0.12387265, ‘n02124075 Egyptian cat‘),#埃及猫
 (0.10075713, ‘n02119022 red fox, Vulpes vulpes‘),#赤狐
 (0.070957303, ‘n02127052 lynx, catamount‘)]#猞猁，山猫

2.4 对比GPU

现在对比下GPU与CPU的性能表现

首先看看cpu每次（50 batch size）向前运行的时间：

%timeit net.forward（）

%timeit能自动选择运行的次数 求平均运行时间，这里我的运行时间是1 loops, best of 3: 5.29 s per loop，官网的是1.42,差距

接下来看GPU的运行时间：

caffe.set_device(0)
caffe.set_mode_gpu()
net.forward()
%timeit net.forward()

1 loops, best of 3: 507 ms per loop（官网是70.2ms）,慢了好多的说

2.5 查看中间输出

首先我们看下网络的结构及每层输出的shape，其形式应该是（batchsize，channeldim，height，weight）

# for each layer, show the output shape
for layer_name, blob in net.blobs.iteritems():
    print layer_name + ‘\t‘ + str(blob.data.shape)

得到的结果如下：

data    (50, 3, 227, 227)
conv1   (50, 96, 55, 55)
pool1   (50, 96, 27, 27)
norm1   (50, 96, 27, 27)
conv2   (50, 256, 27, 27)
pool2   (50, 256, 13, 13)
norm2   (50, 256, 13, 13)
conv3   (50, 384, 13, 13)
conv4   (50, 384, 13, 13)
conv5   (50, 256, 13, 13)
pool5   (50, 256, 6, 6)
fc6 (50, 4096)
fc7 (50, 4096)
fc8 (50, 1000)
prob    (50, 1000)

现在看其参数的样子，函数为net.params,其中weight的样子应该是（output_channels,input_channels,filter_height,flier_width）, biases的形状只有一维（output_channels,）

for layer_name,parame in net.params.iteritems():
print layer_name+‘\t‘+str(param[0].shape),str(param[1].data.shape)#可以看出param里0为weight1为biase

得到：

conv1   (96, 3, 11, 11) (96,)#输入3通道，输出96通道
conv2   (256, 48, 5, 5) (256,)#为什么变成48了？看下方解释
conv3   (384, 256, 3, 3) (384,)#这里的输入没变
conv4   (384, 192, 3, 3) (384,)
conv5   (256, 192, 3, 3) (256,)
fc6 (4096, 9216) (4096,)#9216=25*3*3
fc7 (4096, 4096) (4096,)
fc8 (1000, 4096) (1000,)

可以看出只有卷基层和全连接层有参数

既然后了各个参数我们就初步解读下caffenet：

首先第一层conv1其输出结果的变化

，

（图片来自博客http://blog.csdn.net/sunbaigui/article/details/39938097）

这一步应该可以理解，其权重的形式为(96, 3, 11, 11)

但是第二层的卷积层为什么为(256, 48, 5, 5)，因为这里多了一个group选项，在cs231n里没有提及，这里的group=2，把输入输出分为了两个组也就是输入变成了96/2=48，

全连接层fc6的数据流图：

这是一张特拉维夫大学的ppt

下面进行可视化操作，首先要定义一个函数方便以后调用，可视化各层参数和结果:

def vis_square(data):
    """Take an array of shape (n, height, width) or (n, height, width, 3)
       and visualize each (height, width) thing in a grid of size approx. sqrt(n) by sqrt(n)"""
       #输入为格式为数量，高，宽，（3），最终展示是在一个方形上

    # normalize data for display
    #首先将数据规则化
    data = (data - data.min()) / (data.max() - data.min())
    # force the number of filters to be square
    n = int(np.ceil(np.sqrt(data.shape[0])))
    #pad是补充的函数，paddign是每个纬度扩充的数量
    padding = (((0, n ** 2 - data.shape[0]),
               (0, 1), (0, 1))                 # add some space between filters，间隔的大小
               + ((0, 0),) * (data.ndim - 3))  # don‘t pad the last dimension (if there is one)如果有3通道，要保持其不变
    data = np.pad(data, padding, mode=‘constant‘, constant_values=0)  # pad with zero (black)这里该为了黑色，可以更容易看出最后一列中拓展的样子

    # tile the filters into an image
    data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))
    data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])
    plt.imshow(data)
    plt.axis(‘off‘)

以conv1为例，探究如果reshape的

filters = net.params[‘conv1‘][0].data
vis_square(filters.transpose(0, 2, 3, 1))

得到的结果

这里conv1的权重，原来的shape是(96, 3, 11, 11)，其中输出为96层，每个filter的大小是11 11 3（注意后面的3噢），每个filter经过滑动窗口（卷积）得到一张output，一共得到96个。

首先进入vissquare之前要transpose–》（96，11，11，3）

输入vis_square得到的padding是（0，4），（0，1），（0，1），（0，0） 也就是经过padding之后变为（100，12，12，3），这时的12多出了一个边框，第一个reshape(10,10,12,12,3),相当于原来100个图片一排变为矩阵式排列，然后又经过transpose（0，2，1，3，4）—>（10，12，10，12，3）又经过第二个reshape（120，120，3）

下面展示第一层filter输出的特征：

feat = net.blobs[‘conv1‘].data[0, :36]#原输出为（50，96，55，55），这里取第一幅图前36张
vis_square(feat)

？

如果取全部的96张会出现下面的情况：中间的分割线没有了，为什么呢？

用上面的方法也可以查看其他几层的输出。

对于全连接层的输出需要用直方图的形式：

feat = net.blobs[‘fc6‘].data[0]
plt.subplot(2, 1, 1)
plt.plot(feat.flat)
plt.subplot(2, 1, 2)
_ = plt.hist(feat.flat[feat.flat > 0], bins=100)#bin统计某一个数段之间的数量

输出分类结果：

feat = net.blobs[‘prob‘].data[0]
plt.figure(figsize=(15, 3))
plt.plot(feat.flat)

大体就是这样了，我们可以用自己的图片来分类看看结果

2.6 总结

主要分类过程代码主要步骤：

1. 载入工具包

2. 设置显示设置

3. 设置求解其set_mode_cup()/gpu()

4. 载入模型 net=caffe.Net(,,caffe.TEST)

5. transformer（包括载入均值）

6. 设置分类输入size（batch size等）

7. 载入图片并转换（io.load_image(‘path’), transformer.preprocesss）

8. net.blobs[‘data’],data[…]=transformed_image

9. 向前计算output=net.forward

10. output_prob=output[‘prob’][0]

11. 载入synset_words.txt(np.loadtxt(,,))

12. 分类结果输出 output_prob.argsort()[::-1][] ?????

13. 展示各层输出net.blobs.iteritems()

14. 展示各层参数net.params.iteritems()

15. 可视化注意pad和reshape，transpose的运用

16. net.params[‘name’][0].data

17. net.blobs[‘name’].data[0,:36]

18. net.blobs[‘prob’].data[0]#每个图片都有不同的输出所以后面加了个【0】

目录

  • 使用caffeNet训练自己的数据集

    • 1 创建lmdb
    • 2 计算均值
    • 3 设置网络及求解器
    • 4 训练
    • 5 其他
      • 51杀掉正在运行的caffe进程
      • 52 查看gpu的使用情况
      • 53 查看时间使用情况
      • 54 恢复数据
  • 使用pycaffe分类
    • 1 import
    • 2 模型载入
    • 3 cpu 分类
    • 4 对比GPU
    • 5 查看中间输出
    • 6 总结
时间： 2024-10-07 12:22:42

Caffe 实例笔记 1 CaffeNet从训练到分类及可视化参数特征的相关文章

caffe 实例笔记 2 LeNet详细解读及实现

1 温习 1.1 关于caffe的名称: caffe = convolutional architecture for fast feature embedding 1.2 caffe.proto Protocol Buffers顾名思义这是一种协议接口,这是了解caffe功能之后,需要了解的第一件事情.有很多相关博客.简单看一下其结构: package xx;#xx将作为名称空间 message helloworld #定义类 { #定义 filed required int32 xx = 1

CAFFE学习笔记（四）将自己的jpg数据转成lmdb格式

1 引言 1-1 以example_mnist为例,如何加载属于自己的测试集? 首先抛出一个问题:在example_mnist这个例子中,测试集是人家给好了的.那么如果我们想自己试着手写几个数字然后验证识别效果又当如何呢? 观察CAFFE_ROOT/examples/mnist/下的lenet_train_test.prototxt文件,发现里面既给出了训练集的路径,又给出了测试集的路径.因此答案很显然了,我们可以把自己的测试集做成leveldb(或lmdb)格式的,然后在lenet_train

Caffe学习笔记3

Caffe学习笔记3 本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权 欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing http://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html 这篇博客主要是用imagenet的一个网络模型来对自己的图片进行训练和测试 图片下载网

Caffe学习笔记

Caffe学习笔记 Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by the Berkeley Vision and Learning Center (BVLC) and by community contributors.Yangqing Jia created the project during his PhD at

深度学习Caffe实战笔记（19）Windows平台 Faster-RCNN 制作自己的数据集

"-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集 - gybheroin的博客 - 博客频道 - CSDN.NET gybheroin的博客 目录视图 摘要视图 订阅 [活动]2017 CSDN博客专栏评选 &nbsp [

Caffe 学习笔记目录

版权声明:本文为hanahimi原创及转载文章,转载请附上链接…… 一点点更新中... 目录: 安装.配置与测试 buildtools学习 Tutorial 学习 pyCaffe 学习 Caffe源码学习 相关实例 安装.配置与测试 在windows上安装caffe (GPU) 使用caffe-windows 生成数据文件 运行caffe-windows 的demo 配置caffe + cuDNN buildtools学习 Caffe 学习:convert_imageset Caffe 学习:c

CAFFE学习笔记（五）用caffe跑自己的jpg数据

1 收集自己的数据 1-1 我的训练集与测试集的来源:表情包 由于网上一幅一幅图片下载非常麻烦,所以我干脆下载了两个eif表情包.同一个表情包里的图像都有很强的相似性,因此可以当成一类图像来使用.下载个eif解压包可以把eif文件解压成gif和jpg格式的文件,然后删除gif文件,只留下jpg格式的文件,这些图就是我的训练集与测试集了. 1-2 使用rename批量重命名图像 (1)对于一个存放了图像src.jpg的文件夹ROOT,在ROOT中新建一个test.txt文件,在里面写下"renam

Caffe实例

下载链接以及说明: 1.caffe代码按照官方教程下载windows分支下面的就可以了(https://github.com/BVLC/caffe/tree/windows). 2.cmake(https://cmake.org/download/) 3.miniconda3  python3.6  x64(https://conda.io/miniconda.html) (注意:官方只能下载python 3.6版本的,在安装完python3.6版本的miniconda之后,注意在安装的时候将目

caffe安装笔记

caffe安装笔记: 环境及安装前检查 硬件: T630 CPU32核 64G内存4G硬盘 显卡: [email protected]:~# lspci |grep -i nvidia 02:00.0 3D controller: NVIDIA Corporation GK110GL [Tesla K20Xm] (rev a1) 软件: Ubuntu14.04 server64bit版本:ubuntu-14.04.5-server-amd64.iso Python 2.7.12 [email p