mnist数据集在caffe(windows)上的训练与测试及对自己手写数字的分类

以下出自http://www.cnblogs.com/yixuan-xu/p/5858595.html
我按照大神的运算步骤完全正确，只是为了加深理解，自己又重新写了一遍，详情请看上述大神博客。
对mnist数据集的训练过程：
1. 下载已经转换好格式的数据集
https://pan.baidu.com/share/init?shareid=2404395037&uk=1482020722 提取码xama
2. 将下载下来的两个文件放在\examples\mnist目录上
3. 用vs2013打开lenet_solver.prototxt文件，将最后一行改成CPU
4. 用vs2013打开lenet_train_test.prototxt，指定训练数据、测试数据的来源及数据格式
5. 在caffe-windows目录下新建run.txt文件，输入：(因为我是Debug模式生成的，所以路径略有不同)
Build\x64\Debug\caffe.exe train –solver==examples/mnist/lenet_solver.prototxt
pause
将上述文件重命名为.bat文件，双击运行，不出意外的话即完成对mnist数据集的训练。
6. 训练完成后会生成 .caffemodel 文件和 .solverstate 文件

对mnist数据集的测试过程：
第一：利用mnist本身带有的测试集对上述训练出的模型进行测试
1. 利用compute_image_mean.exe生成均值文件 mean.prototxt，在caffe-windows根目录下创建一个mnist_mean.txt文件，输入：
Build\x64\Debug\compute_image_mean.exe examples\mnist\mnist_train_leveldb mean.binaryproto –backend==leveldb
pause
改成.bat文件双击运行，在根目录下生成mean.binaryproto
2. 上述博客中是用vs打开examples\mnist\lenet_train_test.prototxt，在层的定义中加入均值文件（可是我在实际操作中发现加入这个均值文件后，后续测试会保存，如果在这里不做修改，后续测试就不会报错。不知道为什么呀！！！！！另外有个疑问，是不是在这里对层的定义修改之后还需要重新训练网络呀，要不用已经训练好的网络，在这里更改有什么意义呀？？？？？）
3. 在根目录下新建mnist_test.txt文件，输入：
Build\x64\Debug\caffe.exe test –model==examples/mnist/lenet_train_test.prototxt –weights= examples/mnist/lenet_iter_1000.caffemodel
pause
更改成.bat文件，双击运行

第二：利用自己手写的数字对上述训练出的模型进行测试，也就是利用上述模型对自己手写的数字分类。
1. 第一步和第二步同上
2. 制作自己的手写数字图片，在examples\mnist目录上生成一个手写的数字图片和一个label.txt文件
3. 在根目录下新建一个文件输入：
Build\x64\Debug\classification.exe
examples/mnist/lenet.prototxt
examples/mnist/ lenet_iter_1000.caffemodel
mean.binaryproto
examples/mnist/label.txt
examples/mnist/test1.bmp
改成.bat文件双击运行

mnist数据集在caffe(windows)上的训练与测试及对自己手写数字的分类相关推荐

matlab 对mnist手写数字数据集进行判决分析_人工智能TensorFlow（十四）MINIST手写数字识别...
MNIST是一个简单的视觉计算数据集,它是像下面这样手写的数字图片: MNIST 每张图片还额外有一个标签记录了图片上数字是几,例如上面几张图的标签就是:5.0.4.1. MINIST数据 MINIS ...
PyTorch基础入门五：PyTorch搭建多层全连接神经网络实现MNIST手写数字识别分类
)全连接神经网络(FC) 全连接神经网络是一种最基本的神经网络结构,英文为Full Connection,所以一般简称FC. FC的准则很简单:神经网络中除输入层之外的每个节点都和上一层的所有节点有连 ...
[tensorflow、神经网络] - 使用tf和mnist训练一个识别手写数字模型,并测试
参考包含: 1.层级的计算.2.训练的整体流程.3.tensorboard画图.4.保存/使用模型.5.总体代码(含详细注释) 1. 层级的计算如上图,mnist手写数字识别的训练集提供的图片是 ...
CV之IC之SpatialTransformer：基于ClutteredMNIST手写数字图片数据集分别利用CNN_Init、ST_CNN算法(CNN+ST)实现多分类预测案例训练过程记录
CV之IC之SpatialTransformer:基于ClutteredMNIST手写数字图片数据集分别利用CNN_Init.ST_CNN算法(CNN+ST)实现多分类预测案例训练过程记录目录基于 ...
机器学习篇——MNIST手写数字识别
MNIST手写数字识别是调教一个完整的神经元来进行分类模型的构建应用,为什么说是一个完整神经元呢?因为它具备生物学上一个神经元的特征,除了有输入输出函数,还有一个激活函数,对应着生物学上神经元的阈值. ...
MNIST手写数字识别 —— 图像分析法实现二分类
手写数字任务识别简介 MNIST 数据集来自美国国家标准与技术研究所(National Institute of Standards and Technology,简称 NIST ),总共有7万张图, ...
万物皆用MNIST---MNIST数据集及创建自己的手写数字数据集
刚刚接触到人工智能的我们,必定会遇到一个非常非常非常熟悉的朋友------MNIST 这是一套流行的手写数字图片,常常被用来测试我们的思想和算法.这个数据集称为手写数字的MNIST数据库 ...
caffe学习（二）：利用mnist数据集训练并进行手写数字识别（windows）
准备数据集 http://yann.lecun.com/exdb/mnist/提供了训练集与测试集数据的下载. 但是caffe并不是直接处理这些数据,而是要转换成lmdb或leveldb格式进行读取. ...
在MNIST数据集上训练一个手写数字识别模型
使用Pytorch在MNIST数据集上训练一个手写数字识别模型, 代码和参数文件可下载 1.1 数据下载 import torchvision as tvtraining_sets = tv.dat ...

mnist数据集在caffe(windows)上的训练与测试及对自己手写数字的分类

mnist数据集在caffe(windows)上的训练与测试及对自己手写数字的分类相关推荐

最新文章

热门文章