1. 数据预处理
3) 产生lmdb数据
采用create_iamgetnet 直接在里面设置,对图片进行缩放,并在/examples/imagenet下产生lmdb格式文件
1) 下载训练数据和验证数据
2) 准备额外的数据:
./data/ilsvrc12/get_ilsvrc_aux.sh
3) 产生lmdb数据
采用create_iamgetnet 直接在里面设置,对图片进行缩放,并在/examples/imagenet下产生lmdb格式文件
./examples/imagenet/create_imagenet.sh
也可采用如下命令将图片进行缩放:
for name in /path/to/imagenet/val/*.JPEG; do
convert -resize 256x256\! $name $name
done4) 计算图片均值
./examples/imagenet/make_imagenet_mean.sh另外会在目录下生成***mean.binaryproto文件
2 模型训练
1) 训练模型在/models/bvlc_reference_caffenet/train_val.protext上
主要包括:
训练阶段调用lmdb文件,同时对图片进行mirror,裁剪等,调用均值文件, 批次,学习率,卷积,池化等
训练批次大小:256
测试批次大小:50
测试阶段多了一个输出层获得输出正

本文简单解读了在Caffe框架下处理ILSVRC数据的步骤,包括下载训练和验证数据,图片预处理,以及模型训练过程。训练模型配置在[train_val.prototxt](/models/bvlc_reference_caffenet/train_val.protext),涉及数据增强、均值文件、批次大小和学习率设置。在训练过程中,使用验证集监测损失(loss)和准确率(accuracy)。
947

被折叠的 条评论
为什么被折叠?



