开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >用caffe训练minist数据集

用caffe训练minist数据集

Tyan

发布于 2022-08-11 07:02:31

发布于 2022-08-11 07:02:31

3720

举报

文章被收录于专栏：SnailTyanSnailTyan

在配置完caffe运行后，会得到caffe.exe文件，为了测试我们使用example/minist中的文件来进行测试，首先需要下载转换后的数据集，地址为：http://pan.baidu.com/s/1qW2yNnQ#path=%252FCaffe，在测试数据集/minist下，文件夹下载后解压，将mnist-test-leveldb和mnist-train-leveldb拷贝到caffe的example/minist下，下载的数据的格式是leveldb，是手写字符数据集。

1、首先将lenet_solver.prototxt里的solver_mode: GPU改成solver_mode: CPU，保存。

2、然后将lenet_train_test.prototxt打开，然后将下图的两个source换成你自己的对应路径。

backend:换成LEVELDB

3、创建caffe.bat批处理文件

里面写上，当然Caffe.exe要拷到minist文件夹下，Caffe.exe需要的dll文件也要拷贝过来，Caffe.exe可以根据你生成的caffe的exe的文件名替换。

Caffe.exe train --solver=lenet_solver.prototxt pause

运行caffe.bat，实验结果如下：

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2016-01-29，如有侵权请联系 cloudcommunity@tencent.com 删除

腾讯云测试服务

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

腾讯云测试服务

评论

登录后参与评论

暂无评论

编辑精选文章

换一批

万字详解高可用架构设计

Go 开发者必备：Protocol Buffers 入门指南

10分钟带你彻底搞懂分布式链路跟踪

多租户的 4 种常用方案

亿级月活的社交 APP，陌陌如何做到 3 分钟定位故障？

60页PPT全解：DeepSeek系列论文技术要点整理

Caffe for windows 训练minst和cifar-10

深度学习 windows

本文介绍了如何使用Caffe在Windows平台上进行深度学习，包括MNIST和CIFAR-10数据集的训练和测试。首先介绍了如何安装配置Caffe，然后讲解了如何使用Caffe中的mnist和cifar10训练和测试网络模型。最后，介绍了一种使用Caffe进行CIFAR-10训练的新的训练方法。

码科智能

2018/01/02

7960

Caffe for windows 训练minst和cifar-10

bash bash 指令腾讯云测试服务

caffe是一个深度学习的框架, 具体我也不太清楚, 可以自行百度吧, 我也是刚刚知道有这么一个框架, 才疏学浅啊.

烟草的香味

2019/07/25

4980

caffe 的命令行训练与测试

build caffe mnist reference solver

本文转自： http://blog.csdn.net/yiliang_/article/details/60464968

用户1148525

2019/05/26

1.6K0

Caffe源码调试

深度学习 bash http linux bash 指令

本文介绍了如何使用Caffe和Python在MNIST数据集上训练一个简单的CNN分类器。首先，介绍了MNIST数据集的特点，然后介绍了使用Caffe搭建模型的过程。接着，详细描述了如何利用Python和Caffe进行训练，并通过实验比较了两种训练方法。最后，总结了本文的主要贡献和未来的研究方向。

Tyan

2017/12/28

1.7K0

相信吗，caffe上不写代码就可以运行mnist数据集训练与测试....

本文基于Caffe-Windows系统下实现mnist手写数字识别LeNet网络的训练与测试。关于Caffe-Windows的安装与配置请参考下面的链接即可：

OpenCV学堂

2019/12/10

1K0

相信吗，caffe上不写代码就可以运行mnist数据集训练与测试....

怎么使用 Caffe 进行 LetNet-5 的训练和预测

bash bash 指令腾讯云测试服务

在 LeNet5的深入解析我们已经对 LetNet-5 网络结构做出了详细的描述，接下来我们将深入分析 Caffe 中怎么使用 LetNet-5 的这个模型进行预测。 Caffe 中关于 LetNet-5 的实现文件主要存放于 https://github.com/BVLC/caffe/tree/master/examples/mnist

用户1148525

2019/05/26

8210

Caffe 关于 LetNet-5 之 lenet_solver.prototxt 解析

snapshot solver

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhangjunhit/article/details/53611240

用户1148525

2019/05/28

4090

caffe学习笔记2-caffe命令行训练与测试

build caffe cat reference solver

Train训练（用cmdcaffe命令行）（solver.prototxt）在使用cmdcaffe时，需要默认切换到Caffe_Root文件夹下，需要使用上述命令才可以使用tools下的caffe接口，因为caffe默认都需要从根目录下面执行文件。 1、训练模型，以mnist为例子（solver.prototxt） ./build/tools/caffe train -solver=examples/mnist/lenet_solver.prototxt 从中断点的 snapshot 继续训练（solver.prototxt + .solverstate） ./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -snapshot examples/mnist/lenet_iter_5000.solverstate 2、观察各个阶段的运行时间可以使用（train_test.prototxt） ./build/tools/caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10 3、使用已有模型提取特征（caffemodel + train_val.prototxt + fc7 + num_mini_batches） ./build/tools/extract_features.bin models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/feature_extraction/train_val.prototxt fc7 examples/temp_features 10 lmdb

用户1148525

2019/05/26

4670

完整教程：使用caffe测试mnist数据集

想要入门深度学习没有几个趁手的兵器是不行的，目前流行的框架tensorflow、pytorch、caffe等，笔者也是最近接触了caffe，发现caffe非常适合初学者入门深度学习。不必像tensorflow那样，先学习Python，然后在学习tf,这个过程感觉像在重新学习一门语言。caffe是c++编写的，所以从github上下载下来后需要你自己编译，令人高兴的是caffe也支持windows,你去github上下载微软发布的caffe用vs2013编译即可成功，它也区分cpu版本与gpu版本，如何编译安装的百度上教程基本可用，笔者在windows跟ubuntu都编译成功了。入门的童鞋基本上接触的第一个教程就是mnist识别手写数字，caffe无疑可以让你最快的搭建整个网络并跑通。

double

2018/12/07

1.2K0

完整教程：使用caffe测试mnist数据集

Caffe学习系列(12)：训练和测试自己的图片

学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。

bear_fish

2018/09/19

7050

Caffe学习系列(12)：训练和测试自己的图片

caffe详解之solver

批量计算神经网络腾讯云测试服务编程算法

通过前面的讲解我们了解了不同的层，作为我们设计深度神经网络的积木，梳理了caffe中给定的损失函数（当然我们也可以针对自己的问题设计），并进一步对优化算法进行了细致的总结，接下来我们将caffe中需要配置的solver.prototxt中涉及到的参数进行详细剖析。我们首先看一看lenet中定义的solver配置文件。

AI异构

2020/07/29

5580

Caffe MNIST 简要分析

MNIST database,一个手写数字的图片数据库,每一张图片都是0到9中的单个数字。每一张都是抗锯齿(Anti-aliasing)的灰度图,图片大小2828像素,数字部分被归一化为2020大小,位于图片的中间位置,保持了原来形状的比例.

Yano_nankai

2018/10/08

5570

Caffe MNIST 简要分析

从零开始安装 Caffe --CPU only----没有 pycaffe

http apt-get python makefile

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhangjunhit/article/details/73456860

用户1148525

2019/05/28

1.1K0

caffe示例实现之4在MNIST手写数字数据集上训练与测试LeNet

http://blog.csdn.net/liumaolincycle/article/details/47336921

bear_fish

2018/09/19

6320

caffe示例实现之4在MNIST手写数字数据集上训练与测试LeNet

【Caffe篇】--Caffe solver层从初始到应用

一、前述 solve主要是定义求解过程，超参数的二、具体 #往往loss function是非凸的，没有解析解,我们需要通过优化方法来求解。 #caffe提供了六种优化算法来求解最优参数，在solver配置文件中，通过设置type类型来选择。 Stochastic Gradient Descent (type: "SGD"), AdaDelta (type: "AdaDelta"), Adaptive Gradient (type: "AdaGrad"), Adam (t

LhWorld哥陪你聊算法

2018/09/13

6620

Caffe学习笔记(五)：使用pycaffe生成solver.prototxt文件并进行训练

本文介绍了如何使用Caffe进行深度学习，通过实例演示了如何从图片数据集训练生成模型，并使用生成的模型进行预测。主要内容包括：安装Caffe，编写训练代码，生成模型，以及使用生成的模型进行预测。

Jack_Cui

2017/12/28

1.3K0

Caffe学习笔记(五)：使用pycaffe生成solver.prototxt文件并进行训练

机器学习库初探之 Caffe

本文介绍了如何使用Caffe进行深度学习模型的训练和部署。首先介绍了Caffe的基本情况和特点，然后详细讲解了Caffe中模型训练和部署的流程和步骤。最后，探讨了如何使用Caffe进行图像分类和物体检测任务。

吕晟

2017/07/07

3.6K1

caffe随记（三） --- solver 简析

caffe gpu mnist snapshot solver

文章主要讲述了如何利用Caffe搭建一个简单的深度学习框架，并对Hello World进行了实例分析和代码展示。

TeeyoHuang

2017/12/28

1.1K0

caffe随记（三） --- solver 简析

学习Caffe代码的方法心得

版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/52728157

10km

2019/05/25

6540

使用caffe训练自己的图像数据

http://blog.csdn.net/quincuntial/article/details/50611459，leveldb格式对应调整即可。

Tyan

2022/05/09

3810

使用caffe训练自己的图像数据

相关推荐

Caffe for windows 训练minst和cifar-10

更多 >

LV.1

这个人很懒，什么都没有留下～

作者相关精选

换一批

加入讨论

的问答专区 >

1高级总监擅长4个领域

相关课程

一站式学习中心 >

轻量应用构建训练营

轻量应用服务器

AI绘画-StableDiffusion图像生成

大模型图像创作引擎

高性能应用服务

腾讯云WeData大数据开发与治理训练营

数据开发治理平台 WeData