在Caffe上运行Cifar10示例

准备数据集

在终端上运行以下指令:

1 cd caffe/data/cifar10
2 ./get_cifar10.sh
3 cd caffe/examples/cifar10
4 ./create_cifar10.sh

其中caffe是你的根目录。

此时会出现报错:

1 ./build/examples/cifar10/convert_cifar_data.bin: not found

但素! convert_cifar_data.bin

明明就在 build/examples/cifar10 中啊!

1.先用文本编辑器打开 create_cifar10.sh 看看里面有些啥,发现其中 convert_cifar_data.bin  路径不一致。

只需将

1 /examples/cifar10/convert_cifar_data.bin: not found

修改为

1 /build/examples/cifar10/convert_cifar_data.bin: not found

2.在根目录运行

注意!

新版caffe必须在根目录下执行

1 cd caffe
2 ./examples/cifar10/create_cifar10.sh

运行之后,在 examples/cifar10 中会出现 cifar10_test_leveldb和cifar10_train_lmdb 两个文件

训练与测试

注意!

同样也需要在根目录中运行

1 cd caffe
2 ./examples/cifar10/train_quick.sh

运行成功!

当5000次迭代之后,正确率约为75.2%

参考信息:http://caffe.berkeleyvision.org/gathered/examples/mnist.html

时间: 2024-10-10 04:45:04

在Caffe上运行Cifar10示例的相关文章

学习笔记:Caffe上配置和运行Cifar10的示例

学习笔记:Caffe上配置和运行Cifar10的示例 CIFAR-10数据集含有6万个32*32的彩色图像,共分为10种类型,由 Alex Krizhevsky, Vinod Nair和 Geoffrey Hinton收集而来.包含50000张训练图片,10000张测试图片 http://www.cs.toronto.edu/~kriz/cifar.html 数据集的数据存在一个10000*3072 的 numpy数组中,单位是uint8s,3072是存储了一个32*32的彩色图像.(3072=

学习笔记:Caffe上配置和运行MNIST

学习笔记:Caffe上配置和运行MNIST MNIST,一个经典的手写数字库,包含60000个训练样本和10000个测试样本,图片大小28*28,在Caffe上配置的第一个案例 1首先,获取minist的数据包. 这个版本是四个数据包cd $CAFFE_ROOT./data/mnist/get_mnist.sh [html] view plaincopy #!/usr/bin/env sh # This scripts downloads the mnist data and unzips it

如何实现在Windows上运行Linux程序,附示例代码

如何实现在Windows上运行Linux程序,附示例代码 微软在去年发布了Bash On Windows, 这项技术允许在Windows上运行Linux程序, 我相信已经有很多文章解释过Bash On Windows的原理,而今天的这篇文章将会讲解如何自己实现一个简单的原生Linux程序运行器, 这个运行器在用户层实现, 原理和Bash On Windows不完全一样,比较接近Linux上的Wine. 示例程序完整的代码在github上, 地址是 https://github.com/30324

在集群上运行caffe程序时如何避免Out of Memory

不少同学抱怨,在集群的GPU节点上运行caffe程序时,经常出现"Out of Memory"的情况.实际上,如果我们在提交caffe程序到某个GPU节点的同时,指定该节点某个比较空闲的gpu id,便可以避免"Out of Memory"的情况.步骤如下: 1. 在提交任务前,制作一个带有“nvidia-smi”命令的run_gpu.sh文件 #!/bin/bash #$ -V #$ -cwd #$ -j y #$ -S /bin/bash nvidia-smi

在AWS EMR上运行Map Reduce的Java示例程序 及 操作小计

下面的代码中AffairClient类中包含了三个内之类,分别对应于Hadoop Mapreduce程序运行所需的Mapper类,Reducer类,和主类.AffairClient类中其余方法用于配置和运行EMR程序.可以修改相关参数来对程序做适当调整.比如:修改map和reduce函数,添加combiner类,或者设置集群大小.这个样例是一个去重的mapreduce程序,具体见map函数和reduce函数.我们创建的是一个Maven项目,因为是在AWS EMR上运行hadoop程序,所以需要A

Caffe上用SSD训练和测试自己的数据

    学习caffe第一天,用SSD上上手. 我的根目录$caffe_root为/home/gpu/ljy/caffe 一.运行SSD示例代码 1.到https://github.com/weiliu89/caffe.git下载caffe-ssd代码,是一个caffe文件夹 2.从已经配置好的caffe目录下拷贝一个Makefile.config放到$caffe_root下 3.在$caffe_root下打开命令行终端,输入以下命令 make -j8 make py make test -j8

深度学习之在iOS上运行CNN

1 引言 作为曾经的iOS开发者,在研究深度学习的时候,总有一个想法就是在iPhone上运行深度学习,不管是在手机上训练还是利用训练好的数据进行测试. 因为iOS的开发环境支持C++,因此,只要你的代码是C/C++,本质上就可以在iOS上运行. 怎么才能更快更好地在iOS上运行CNN呢? 2 方法1:通过Matlab转码 Matlab自带转成c的工具,如果你研究过UFLDL的深度学习教程,就知道如何在Matlab上使用CNN,那么,转换成c后,放到iOS的开发环境中,然后将参数存成txt格式再读

Mono 4.0 Mac上运行asp.net mvc 5.2.3

Mono 4.0 已经发布,二进制包已经准备好,具体的发布说明参见:http://www.mono-project.com/docs/about-mono/releases/4.0.0/. 今天在Mac上更新了Mono 4 和Xamarin Studio 5.9. 使用Xamarin Studio 创建了一个asp.net mvc 项目: 模版使用的是5.2.0 版本的,目标框架是Mono/.NET 4.5,我通过Nuget 更新到了5.2.3 , 更新包的过程中需要调整下web.config

Linux上运行NET

今天尝试了下Ubuntu上运行NET程序,按照 https://github.com/aspnet/Home 的指引,一步一步来: 1.安装DNVM(原名KVM) Linux控制台下输入 curl -sSL https://raw.githubusercontent.com/aspnet/Home/dev/dnvminstall.sh | DNX_BRANCH=dev sh && source ~/.dnx/dnvm/dnvm.sh 2.安装DNX(原名KRE) dnvm upgrade