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.

在安装完caffe, 我的第一个想法就是, 别管他是个啥东西, 总得先让我运行一些看一看吧. 刚好, 官方就准备了一些数据, 供我们运行一下看一看使用.

因为我是通过docker安装的, 所以没有经历网上所说的caffe安装的繁琐过程.

测试一

在 data/mnist 目录下, 有一个 get_mnist.sh 文件, 用来获取数据集, 运行

./get_mnist.sh

下载完成后, 在当前目录下会出现现在的文件

数据有了, 接下来就要将数据转换成caffe认识的格式了, 转换的过程也是直接调用caffe定义好的文件即可, 在 examples/mnist 目录下, 有 create_mnist.sh 文件, 因为改文件定义了一些路径, 所以要在caffe根目录运行:

转换后的两个文件夹为:

当前文件夹下的配置文件(关于配置文件中的参数暂不考虑):

• lenet_train_test.prototxt: 定义网络结构
• lenet_solver.prototxt: 定义训练时的参数

在这里需要修改 lenet_solver.prototxt 中的 solver_mode , 若你的环境不支持GPU, 修改为CPU.

直接运行定义好的训练脚本, 回到 caffe 根目录, 运行 ./examples/mnist/train_lenet.sh(该脚本定义了一个 caffe 训练命令)

因为个人笔记本电脑性能问题, 一万次迭代了好久才看到结果, 可以看到, 准确率已经达到 99%

训练好的模型文件在 examples/mnist 目录下:

至此, 本次官方例子训练完成,

貌似这是一个手写数字识别的训练, 但是我在训练过程中一个数字都没看到啊, 不对, 我一张图片都没看到啊, 这什么鬼?? 训练好的模型怎么用??

算了, 至少我算是跟着官方的例子运行了以下, 先这样.

---

看了标题测试一, 是不是以为有测试二? 哈哈, 不好意思, 没有, 到此结束, 告辞.