深度殘差網(deep residual networks)的訓練過程

標籤：

這裡介紹一種深度殘差網(deep residual networks)的訓練過程：

1、通過下面的地址下載基於python的訓練代碼：

       https://github.com/dnlcrl/deep-residual-networks-pyfunt

2、這些訓練代碼需要和pydataset包。下面介紹這兩個包的安裝方法。

    (1)pyfunt需要安裝。

      用命令：pip install git+git://github.com/dnlcrl/PyFunt.git  進行下載安計。

       安裝時numpy需要1.11及以上，但筆者機器上的numpy為1.10，因此，還採用了如下命令對其進行升級：

       pip install numpy --upgrade

   (2)pydataset

      pydataset主要用於資料預先處理。 由於pydataset包需要cv2(opencv for python)，但無法用pip安裝cv2（該項目好像停止了）。因此只有通過下載opencv3.0(我下載的是opencv-3.0.0.exe)，然後解壓，在解壓後的\build\python\2.7\x64目錄下將cv2.pyd檔案拷貝到python的site-packages目錄下，注意，筆者機器上安裝的是64位的python2.7，所以選擇的是這個路徑，不同的python版本和平台，其路徑不一樣。

      然後需要設定opencv的路徑。具體設定方法見（注意，筆者的opencv是安裝在F:\tool\opencv，不同的opencv安裝路徑，其設定內容不一樣）：

   

 

 然後下載通過： https://github.com/dnlcrl//PyDatSet  下載PyDatSet，解壓，在所解壓的目錄python setup.py install來安裝。

3、下載cafir10 for python的資料集，然後解壓，記住這個目錄，在第一次運行train.py時，需要輸入這個目錄的全路徑。

4、由於原始碼有bug，需要修改原始碼。

    主要修改的原始碼有：

       (1) train.py中的  NUM_TRAIN = 40000 (原始碼是5000)；

       (2)cifar10.py檔案（在python安裝目錄下的lib\site-packages\pydatset目錄下）中的load函數中的 for b in range(1, 5)；(原始碼為6)

       (3)cifar10.py檔案（在python安裝目錄下的lib\site-packages\pydatset目錄下）中的load_CIFAR_batch函數中的with open(filename, ‘rb‘) as f；(原始碼為‘r‘)；

5、通過執行python train.py就可以進行訓練了。

       

     

 

 

 

    

深度殘差網(deep residual networks)的訓練過程