【caffe-windows】 caffe-master 之 cifar10 超详细

本教程尽量详细,大多步骤都有图,如果运行出错,请先对照自己的文件是否和图上的一样,包括标点啊,空格啊,斜杠,反斜杠啊之类的小细节。

本例程是在 win10 64位   caffe-master    vs2013下进行的,并且已经配置GPU版本,若用CPU,则在cifar10_quick_solver.prototxt中更改

# solver mode: CPU or GPU

solver_mode: CPU

摘要:win10下的caffe例子:cifar10

第一步:

官网下载bin格式的cifar10  : http://www.cs.toronto.edu/~kriz/cifar.html

解压存放在 :caffe-master\examples\cifar10\input_folder当中(input_folder文件夹需要自己创建)

如图:

第二步:

在caffe-master\examples\cifar10 下创建一个记事本(后缀改为  .bat ),输入以下code

convert_cifar_data.exe input_folder output_folders leveldb

pause

保存为convert_cifar10.bat (后缀改为  .bat)

如图:

然后双击运行,可以看到在 caffe-master\examples\cifar10下会生成一个文件夹,output_folders。里面存放的就是转换好的数据

第三步:

计算出均值文件:mean.binaryproto

首先要确保在caffe-master\Build\x64\Release 下有convert_cifar_data.exe ,没有的话请打开Caffe.sln,将compute_image_mean 设置为 启动项目,然后ctrl+F5,等待编译结束,在caffe-master\Build\x64\Release下就有convert_cifar_data.exe了

如图:

有了convert_cifar_data.exe,我们要在caffe-master\examples\cifar10下创建一个记事本(后缀改为  .bat ),输入以下code

..\..\Build\x64\Release\compute_image_mean.exe-backend=leveldb ../../examples\cifar10\output_folders\cifar10_train_leveldbmean.binaryproto

Pause

然后运行此文件,在caffe-master\examples\cifar10 下会出现mean.binaryproto文件

第四步:

更改caffe-master\examples\cifar10 下的cifar10_quick_solver.prototxt和 cifar10_quick_train_test.prototxt  主要是改路径

我的cifar10_quick_solver.prototxt改中了:

net:"../../examples/cifar10/cifar10_quick_train_test.prototxt"

snapshot_prefix:"../../examples/cifar10/cifar10_quick"

cifar10_quick_train_test.prototxt中改了:

mean_file:"../../examples/cifar10/mean.binaryproto"

source:"../../examples/cifar10/output_folders/cifar10_train_leveldb"

mean_file:"../../examples/cifar10/mean.binaryproto"

source:"../../examples/cifar10/output_folders/cifar10_test_leveldb"

以及 backend: LEVELDB  (有两处喔!)

第五步:

更改好两个文件之后就可以运行caffe来训练啦,提供两种方法,一种是编写批处理文件bat,一种是直接在vs2013中运行

先说第一种,在caffe-master\examples\cifar10下创建文本文件,更改后缀为.bat,复制以下代码:

..\..\Build\x64\Release\caffe.exe train--solver=../../examples/cifar10/cifar10_quick_solver.prototxt

Pause

如图:

保存之后,运行即可。

第二种方法是在vs2013里进行的,先将caffe设置为启动项目:

如图:

再点击属性,找到调试,在命令参数中输入:train --solver=../../examples/cifar10/cifar10_quick_solver.prototxt

如图:

点击确定,ctrl+F5 即可

时间: 2024-12-18 19:36:00

【caffe-windows】 caffe-master 之 cifar10 超详细的相关文章

Ubuntu14.04(估计16.04也可以用,参照的就是16.04)+opencv + caffe(GPU版) + cuDnn超详细包括报错

lalalalala~ 经过一星期的折磨,总算把caffe配置好,感谢网上大神们的助攻. 查看了好多的博客,多多少少存在着坑.然后不停的在查找与修改,终于把caffe装进自己的碗里.在成功运行caffe后两天,特意分享一下caffe的配置过程,帮助后来有需要配置的人. 配置过程参考了https://www.cnblogs.com/go-better/p/7161006.html博文,对这次的配置提供了很大的帮助,感谢. 1. 安装相关依赖项 sudo apt-get update sudo ap

caffe windows配置

windows+caffe+vs2013+cuda6.5配置记录 http://www.bubuko.com/infodetail-902302.html caffe+windows7+vs2013配置 http://blog.csdn.net/tjusxh/article/details/48463409 Caffe配置指南 on Windows8.1+CUDA6.5+VS2013  http://www.wtoutiao.com/p/q78qy6.html caffe windows 学习第

caffe windows学习:第一个测试程序

caffe windows编译成功后,就可以开始进行测试了.如果还没有编译成功的,请参考:caffe windows 学习第一步:编译和安装(vs2012+win 64) 一般第一个测试都是建议对手写字体minist进行识别.这个测试放在根目录下的 .\examples\mnist\ 文件夹内. 1.下载数据.程序本身不带测试数据,需要去下载,测试数据为leveldb格式.你可以直接双击运行“get_mnist_leveldb.bat”  这个脚本自动下载数据,但一般都不成功,可能里面的网址被墙

caffe windows编译

MicroSoft维护的caffe已经作为官方的caffe分支了,编译方式也改了,刚好最近重装了一次caffe windows, 记录一下里面的坑 https://github.com/BVLC/caffe/tree/windows 安装有两种方案: 方案一:使用vs2015,缺点要最新的win10才能安装vs2015,故不推荐该方案 1. 把build_win.cmd 中的with_ninja的1,都改为0 2.手动下载libraries_v140_x64_py27_1.0.1.tar.bz2

Windows Caffe中MNIST数据格式转换实现

Caffe源码中src/caffe/caffe/examples/mnist/convert_mnist_data.cpp提供的实现代码并不能直接在Windows下运行,这里在源码的基础上进行了改写,使其可以直接在Windows 64位上直接运行,改写代码如下: #include "stdafx.h" #include <gflags/gflags.h> #include <glog/logging.h> #include <google/protobuf

windows+caffe+vs2013+cuda6.5配置记录

隔了大半年,因为论文的需要,又重新开始研究caffe.感谢niuzhiheng’s GitHub大神的贡献,caffe已经可以在Windows下使用了.参考了很多大神的博客,成功的在自己的笔记本配置好了Windows版本的caffe.现将自己的配置过程和配置中遇到的问题记录下来,希望能对大家有所帮助. 1.配置环境 我在自己的笔记本配置的caffe,配置的环境为:Windows 7 64位 + cuda6.5 + Opencv2.49 + VS2013.假设在配置caffe之前,你已经准备好这些

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=

Windows 2016 无域故障转移群集部署方法 超详细图文教程

转自:https://blog.csdn.net/demonson/article/details/81708809 Windows 2016 无域故障转移群集部署方法 超详细图文教程 故障转移群集是一个很实用的功能,而windows在2016版本开始,终于支持不用域做故障转移群集.在群集中,我们可以设定一个"群集IP"而客户端只需要根据这个"群集IP"就能连接当前群集的主服务器.而不必关心群集服务器之间的替换.而更棒的是,它是"去中心"的,它没

超详细从零记录Hadoop2.7.3完全分布式集群部署过程

超详细从零记录Ubuntu16.04.1 3台服务器上Hadoop2.7.3完全分布式集群部署过程.包含,Ubuntu服务器创建.远程工具连接配置.Ubuntu服务器配置.Hadoop文件配置.Hadoop格式化.启动.(首更时间2016年10月27日) 主机名/hostname IP 角色 hadoop1 192.168.193.131 ResourceManager/NameNode/SecondaryNameNode hadoop2 192.168.193.132 NodeManager/