caffe實戰筆記__Deep

Caffe簡要介紹：

Caffe還沒有windows版本，所以我需要遠程登入linux伺服器

Caffe主要處理圖片/圖片序列

 Caffe讀取的資料格式

從專用的資料庫中讀取（lmdb、leveldb)

直接讀取圖片

從記憶體中讀取（會佔很多記憶體）

從HDF5檔案中讀取

從滑動視窗中讀取（在大圖中滑動一次作為一張小圖）

最常用的是前面兩種方式。預設是從lmdb資料庫格式中讀取，因此需要先把圖片檔案轉換成lmdb格式檔案。直接讀取圖片會導致無法減均值。如果不考慮減均值的情況，可直接讀取圖片。

 Caffe操作1----準備資料

Step1：得到檔案清單清單

 

上面的圖片源自FER庫，其中單張圖表示一個表情，寫代碼自動產生txt文檔

Step2：轉換成imdb格式

命令原理：

 

其中包括上面四個參數，粉色參數可以選擇不設，其中--表示可以不調整

實際操作：

在根目錄home下的/caffe路徑下開啟終端，輸入sudo命令，輸入密碼，進入最大許可權：

 

輸入命令：（輸入時注意空格）

 

在caffe中，作者為我們提供了這樣一個檔案：convert_imageset.cpp，存放在根目錄下的tools檔案夾下。編譯之後，產生對應的可執行檔放在 buile/tools/ 下面，這個檔案的作用就是用於將圖片檔案轉換成caffe架構中能直接使用的imdb檔案。

螢幕上顯示：

 

查看結果：

在目標目錄下新增了我命名的一個檔案夾

 

檔案夾裡包括兩個子檔案，data.mdb存放資料；lock.mdb存放標籤

 

基礎知識補充

Linux下的檔案夾與目錄

/home	根目錄，分區時分得最大
/bin	存放系統命令
/user	最大的目錄，存放應用程式和檔案
/etc	存放設定檔
/dev	裝置特殊檔案
/mnt	用於臨時掛載硬碟、光碟片
/src	裡面放源檔案如cpp

如何產生train.txt檔案以及如何在轉imdb格式時調整圖片格式，見：http://www.cnblogs.com/denny402/p/5082341.html

Step3：計算均值

減去均值，可以提高精度。當然也可以選擇不減均值。

副檔名必須是binaryproto

實際代碼：

 

其中包括兩個參數，一個是放置imdb資料的檔案地址，另一個是儲存均值檔案的地址及檔案名稱字

得到binarypro均值檔案

擴充閱讀：http://www.cnblogs.com/denny402/p/5102328.html

Caffe操作2----構建網路結構

在啟動並執行整個流程中，可以分為三個階段：訓練階段、驗證階段和測試階段。網路結構在不同的階段是不同的，都存放在prototxt檔案裡面。為了方便，一般將訓練階段和驗證階段的網路結構放在一個檔案裡，測試階段的網路結構單獨放在一個檔案裡：

 

一個layer表示一層

layer是可以複製可以嵌套的

1）資料層

Name可以隨便取

Type是系統內建的，不可以自己命名

Top表示向上傳送資料，bottom表示從下面接收資料，通過這個top還是bottom就決定了資料的流向以及不同層之間的連結關係

Phase：train表示只有訓練時調用這層

Mirror表示翻轉

Cropsize表示一張圖變為40*40*10，使得樣本數增加

Batchsize是2的倍數，表示批量處理

http://www.cnblogs.com/denny402/p/5070928.html

2）卷積層

 

Decay=0表示不衰減

Num_output 卷積核個數/節點數目

Kernal_size 一般是3*3 5*5 7*7 不能太大

Padding 卷積後圖變小，所以固定填充0，如果=2，表示周邊上下左右填充2個pixel

Gaussian表示用高斯方法對w與b進行初始化

http://www.cnblogs.com/denny402/p/5071126.html

3）啟用層

 

常用relu，sigmod

http://www.cnblogs.com/denny402/p/5072507.html

4）池化層

caffe只支援max和average，stochastic是隨機的意思

Stride不能寫1，否則就沒有池化功能

http://www.cnblogs.com/denny402/p/5071126.html

5）全串連層

 

Xvaier初始化方法很好，預設值為0

Type類型都不變

http://www.cnblogs.com/denny402/p/5072746.html

6）其它層

Loss層加在全串連層後面

如果要測試，還加一層softmax層

Deploy.prototxt檔案用於測試階段，測試資料沒有標籤值，因此資料輸入層與其它兩個階段不同。

 

Caffe自動會複製灰階圖變為3通道圖

Caffe操作3----配置參數solver.prototxt

這裡設定全域參數

每訓練完成一個interval以後就驗證一次是否>449

基礎學習率決定收斂不收斂

Step：每隔多少變化一次

Stepshot：每訓練多少儲存一次參數

 

http://www.cnblogs.com/denny402/p/5074049.html

Caffe操作4----訓練模型

這一步會產生caffe 的model檔案，把參數訓練完成

 

 

例：

build/tools/caffe train -solver /home/bnu/fer/solver.prototxt

http://www.cnblogs.com/denny402/p/5076285.html

Caffe操作5----測試模型

 

Classification.bin是內建的可執行體

http://www.cnblogs.com/denny402/p/5111018.html

 

原文地址：　http://www.cnblogs.com/weiqinglan/p/5969016.html?utm_source=itdadao&utm_medium=referral