Turbot-DL入门教程篇-Caffe-cifar10实例

Turbot-DL入门教程篇-Caffe-cifar10实例

说明：

• 介绍如何在Turbot-DL上测试caffe的cifar10实例

介绍：

• cifar10数据训练样本50000张，测试样本10000张，每张为32*32的彩色三通道图片，共分为10类。

步骤：

• 进入目录

$ cd ~/dl/openpose/openpose/3rdparty/caffe

• 下载数据：

$ sudo sh data/cifar10/get_cifar10.sh

• 运行成功后，会在 data/cifar10/文件夹下生成一堆bin文件

batches.meta.txt  data_batch_2.bin  data_batch_4.bin  get_cifar10.sh  test_batch.bin
data_batch_1.bin  data_batch_3.bin  data_batch_5.bin  readme.html

• 转换数据格式为lmdb：

$ sudo sh examples/cifar10/create_cifar10.sh

• 转换成功后，会在 examples/cifar10/文件夹下生成两个文件夹

• cifar10_train_lmdb和cifar10_test_lmdb, 里面的文件就是我们需要的文件。

• 为了节省时间，我们进行快速训练（train_quick)，训练分为两个阶段

• 第一个阶段（迭代4000次）调用配置文件cifar10_quick_solver.prototxt, 学习率（base_lr)为0.001

• 第二阶段（迭代1000次）调用配置文件cifar10_quick_solver_lr1.prototxt, 学习率(base_lr)为0.0001

• 前后两个配置文件就是学习率(base_lr)和最大迭代次数（max_iter)不一样，其它都是一样。

• 如果你对配置文件比较熟悉以后，实际上是可以将两个配置文件合二为一的，设置lr_policy为multistep就可以了。

base_lr: 0.001
momentum: 0.9
weight_decay: 0.004
lr_policy: "multistep"
gamma: 0.1
stepvalue: 4000
stepvalue: 5000

• 运行例子：

$ sudo sh examples/cifar10/train_quick.sh

• GPU+cudnn大约45秒左右，精度75%左右。

• 效果图：

问题：

• 问题1：没找到./build/examples/cifar10/convert_cifar_data.bin: not found
• 解决：在caffe根目录下

sudo mv examples/cifar10/convert_cifar_data.bin build/examples/cifar10/

• 问题2：没找到./build/tools/compute_image_mean: not found
• 解决：

sudo cp tools/compute_image_mean  ./build/tools/

参考：

• http://caffe.berkeleyvision.org/
• http://www.cnblogs.com/denny402/p/5075490.html