Ubuntu kylin-14.4+cuda7.5+nvidia-410 + cudnn-5.0.5 + OpenCV3 + Python

問題總結(jié)

caffe模型的訓(xùn)練

訓(xùn)練需要的文件：train.prototxt，test.prototxt，lmdb，name_mean.binaryproto，slover.prototxt
數(shù)據(jù)文件：images，train.txt，test.txt
腳本文件：train_caffenet.sh，make_dataset_mean.sh，create_dataset.sh
訓(xùn)練生成的文件：name.caffemodel，name.solverstate

文件簡介

• 1、train.prototxt，test.prototxt：訓(xùn)練和測試模型構(gòu)建文件
• 2、lmdb：數(shù)據(jù)庫文件
• 3、name_mean.binaryproto：均值文件
• 4、slover.prototxt：訓(xùn)練配置文件
• 5、images：訓(xùn)練集和測試集
• 6、train.txt，test.txt：訓(xùn)練集和測試集訓(xùn)練集和測試集的文件清單
• 7、train_caffenet.sh：執(zhí)行訓(xùn)練腳本
• 8、make_dataset_mean.sh：生成均值文件腳本
• 9、create_dataset.sh：構(gòu)造lmdb數(shù)據(jù)庫腳本
• 10、name.caffemodel：生成的模型
• 11、name.solverstate：模型狀態(tài)

各文件的生成

• 1、train.prototxt，test.prototxt：用Python配置好網(wǎng)絡(luò)參數(shù)后輸出到train.prototxt，test.prototxt文件
• 2、lmdb：lmdb數(shù)據(jù)庫，以images，train.txt，test.txt為數(shù)據(jù)文件，create_dataset.sh為腳本文件生成
• 3、name_mean.binaryproto：均值文件，由make_dataset_mean.sh腳本文件生成
• 4、slover.prototxt：Python代碼生成
• 5、name.caffemodel：訓(xùn)練過程中生成
• 6、name.solverstate：訓(xùn)練過程中生成

caffe模型的使用：

需要的文件：name.caffemodel，deploy.prototxt，name_mean.binaryproto，images，data.txt，name_mean.npy

文件簡介

• 1、name.caffemodel：訓(xùn)練好的caffe模型
• 2、deploy.prototxt：前向文件
• 3、name_mean.binaryproto：原始均值文件
• 4、images，data.txt：待測數(shù)據(jù)、數(shù)據(jù)清單
• 5、name_mean.npy：由原始均值文件轉(zhuǎn)化完成的caffe能接受的.npy形式的均值文件

持續(xù)更新