深度学习Caffe系列教程集合

Posted on | In
Symbols count in article: 7k | Reading time ≈ 6 mins.

前言

时光静好、珍藏一份守候、珍藏一份美好。

静听流年的剪辑、等候你归来、许我一场花开不败的回忆。

Deep Leaning的坑太深太重, 转战caffe之际, 寻找了很多资料; 本来想自己亲自披战, 玩转一把; 却发现社区内善良的兄弟姐妹们已经提供了这么多有用的资料, 一再鼓起自创的勇气, 也就淡了起来.

好东西, 当然要拿出来分享啦!

今儿的, 文章怪, 就这么干了, 贴出搜集到的链接资料, 与君分享!

Caffe-show

caffe笔记系列链接

推荐这位博主, 先看看样子吧, 博客内容着实让我获益良多, 真心感谢!

Caffe-show_blog1

下面在我的博客中贴出仁兄的链接, 流年!

  1. Google protocol buffer在windows下的编译

  2. caffe windows 学习第一步：编译和安装（vs2012+win 64)

  3. caffe windows学习：第一个测试程序

  4. 64位Ubuntu 14.04 LTS + Caffe + CUDA 7.5 + Opencv 3.0 安装配置实战

  5. Caffe学习系列(2)：数据层及参数

  6. Caffe学习系列(3)：视觉层（Vision Layers)及参数

  7. Caffe学习系列(4)：激活层（Activiation Layers)及参数

  8. Caffe学习系列(5)：其它常用层及参数

  9. Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写

  10. Caffe学习系列(7)：solver及其配置

  11. Caffe学习系列(8)：solver优化方法

  12. Caffe学习系列(9)：运行caffe自带的两个简单例子

  13. Caffe学习系列(10)：命令行解析

  14. Caffe学习系列(11)：图像数据转换成db（leveldb/lmdb)文件

  15. Caffe学习系列(12)：训练和测试自己的图片

  16. Caffe学习系列(13)：数据可视化环境（python接口)配置

  17. Caffe学习系列(14)：初识数据可视化

  18. Caffe学习系列(15)：计算图片数据的均值

  19. Caffe学习系列(16)：caffemodel可视化

  20. Caffe学习系列(17)：模型各层数据和参数可视化

  21. Caffe学习系列(18): 绘制网络模型

  22. Caffe学习系列(19): 绘制loss和accuracy曲线

  23. Caffe学习系列(20)：用训练好的caffemodel来进行分类

  24. Caffe学习系列(21)：caffe图形化操作工具digits的安装与运行

  25. Caffe学习系列(22)：caffe图形化操作工具digits运行实例

  26. Caffe学习系列(23)：如何将别人训练好的model用到自己的数据上

测试模型脚本

上文中的链接, 基本上已经详细得列举了这个深度学习工具caffe的完整教程, 我这里再补充一下, 训练好已有模型如何进行测试的脚本:

1
2
3
4
5
6
7
8
9
10
11
12
13
<1> ## 测试自己数据模型的脚本: imagenet
./build/tools/caffe.bin test -model=examples/myself/model/caffenet_imagenet/train_val.prototxt -weights=/home/dm/caffe/examples/myself/model/caffenet_imagenet/train_caffenet_iter_20000.caffemodel -gpu=0


<2> ## 在MNIST调用已经训练好的模型，测试。
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0

## 如果没有GPU则使用
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel


<3> ## 在cifar10模型下面调用已经训练好的模型，测试。
./build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -gpu=0

此部分可参考链接: caffe调用已生成的模型，测试（Linux）

备份资料

另外建议, 如果决定使用caffe请在ubuntu等linux系统上进行训练和开发, windows上的坑实在是太多.

0%