caffe学习第二天
今天又重新训练测试了一个新的数据集cifar 10
1.下载cifar10数据集
$ cd data/cifar10
$ ./get_cifar10.sh
第一遍网络不好只下了一个文件,里面一共有六个,后来重新下了,自己又解压的,应该一次下好回自己解压出来的,如果没有还是要自己解压,后面要用到哦(如下)
2转换格式
由于刚才没有下好解压,而导致的错误,找不到文件
解压好之后就可以了成功的图如下
3开始训练(如昨天一般,记得改成cpu)
./examples/cifar10/train_quick.sh
一共训练了5000次,4000次之后换了一个继续训练的
如下图1先执行cifar10_quick_solver.prototxt在执行cifar10_quick_solver._lr1prototxt
最后成功界面精度还是很低的,所以后面测试的时候每一张图片分类对了
4.测试
使用caffe自带的分类算法来实现测试
首先改一下算法
4.1打开classify.py:
在图中所示位置添加一行代码,目的是修改均值计算错误 :
mean=mean.mean(1).mean(1)
11
将预测的结果打印出来:
#
自己添加
print("Predictions:%s" % predictions)
1212
将结果排序,并找到对应的是什么:
添加如下代码到最后:
# match the result
labelNums = len(predictions[0])
labels = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
for i in range(labelNums):
if i == 0:
maxPrediction = predictions[0][i]
maxIndex = i
else:
if maxPrediction < predictions[0][i]:
maxIndex = i
maxPrediction = predictions[0][i]
print(labels[maxIndex])
123456789101112123456789101112
修改完使用caffe在$CAFFE_ROOT/examples/images下有一些图片的文档
执行python python/classify.py --model_def examples/cifar10/cifar10_quick.prototxt --pretrained_model examples/cifar10/cifar10_quick_iter_5000.caffemodel.h5 --center_only examples/images/cat.jpg foo
就可分出来
中间又出现一堆问题
主要是文件没下全
装好之后
最后结果
没有一次分类是对的猫分成狗。。。。。
bye