搜索
深度学习框架caffe的介绍Robothy1.1caffe产生提出了一个很好的概率框架来表达人的行为但是因为图像上提取的特征比较弱，可以外推的结果比较有限。NVIDIA赠送GPU贾扬清1.2Caffe的特点上手快跨平台社区好开放性速度快2.1硬件配置与操作系统处理器：Intel(R)Core(TM)i5-3230MCPU@2.60GHz内存：4GB操作系统：Ubuntu14.0464bit磁盘：安装磁盘空间为100GB2.2依赖库与工具依赖包：lprotobufleveldbsnappyopencvhdf5-serialprotobuf-compilerboost工具：google-glog、google-gflag、git2.3核心软件的安装lmdbOpenCVCaffegitclone3.1mnist数据集手写数字图片60000张训练库图片10000张测试库图片./get_mnist.sh3.2mnist数据集的格式转换3.3全局参数配置（lenet_solver.prototxt）3.4LeNet网络（lenet_train_test.prototxt）layer{name:mnisttype:Datatransform_param{scale:0.00390625}data_param{source:mnist_train_lmdbbackend:LMDBbatch_size:64}top:datatop:label}layer{name:conv1type:Convolutionparam{lr_mult:1}param{lr_mult:2}convolution_param{num_output:20kernel_size:5stride:1weight_filler{type:xavier}bias_filler{type:constant}}bottom:datatop:conv1}3.5训练与测试I061400:40:08.2910827064sgd_solver.cpp:106]Iteration100,lr=0.00992565I061400:40:17.0231657064solver.cpp:228]Iteration200,loss=0.143513I061400:40:17.0232337064solver.cpp:244]Trainnetoutput#0:loss=0.143513(*1=0.143513loss)I061400:40:17.0232527064sgd_solver.cpp:106]Iteration200,lr=0.00985258I061400:40:25.6314287064solver.cpp:228]Iteration300,loss=0.162749I061400:40:25.6315427064solver.cpp:244]Trainnetoutput#0:loss=0.162749(*1=0.162749loss)I061400:40:25.6315617064sgd_solver.cpp:106]Iteration300,lr=0.00978075I061400:40:34.7057167064solver.cpp:228]Iteration400,loss=0.0588523I061400:40:34.7057777064solver.cpp:244]Trainnetoutput#0:loss=0.0588523(*1=0.0588523loss)mnist训练时间约20min4caffe的应用实例——识别一张动物图片采用已训练好模型：ImageNetdog测试对象：ModelZoo测试结果：博美犬威尔士柯基犬碟耳长毛玩赏小狗吉娃娃（一种产于墨西哥的狗）未成功安装GPU驱动程序，模型的训练是通过CPU进行运算未深入研究caffe所应用到的深度学习网络模型未研究深度学习相关数学知识以及caffe源代码5小结基本完成caffe运行环境搭建成功训练了mnist模型准确识别出图像谢谢！深度学习框架caffe的介绍