深度学习框架caffe的学习.ppt
《深度学习框架caffe的学习.ppt》由会员分享,可在线阅读,更多相关《深度学习框架caffe的学习.ppt(15页珍藏版)》请在装配图网上搜索。
1、,深度学习框架caffe的介绍,Robothy,1.1caffe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) i5-3230M CPU 2.60GHz 内存:4GB 操作系统:Ubuntu14.04 64bit 磁盘:安装磁盘空间为100GB,2.2依赖库与工具,依赖包:lprotobuf leveldb snappy opencv hdf5-serial protobu
2、f-compiler boost,工具:google-glog、google-gflag、git,2.3 核心软件的安装,lmdb,OpenCV,Caffe,git clone,3.1 mnist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.sh,3.2mnist数据集的格式转换,3.3全局参数配置(lenet_solver.prototxt),3.4 LeNet网络(lenet_train_test.prototxt),layer name: mnist type: Data transform_param scale: 0.00390625
3、data_param source: mnist_train_lmdb backend: LMDB batch_size: 64 top: data top: label ,layer name: conv1 type: Convolution param lr_mult: 1 param lr_mult: 2 convolution_param num_output: 20 kernel_size: 5 stride: 1 weight_filler type: xavier bias_filler type: constant bottom: data top: conv1 ,3.5 训练
4、与测试,I0614 00:40:08.291082 7064 sgd_solver.cpp:106 Iteration 100, lr = 0.00992565 I0614 00:40:17.023165 7064 solver.cpp:228 Iteration 200, loss = 0.143513 I0614 00:40:17.023233 7064 solver.cpp:244 Train net output #0: loss = 0.143513 (* 1 = 0.143513 loss) I0614 00:40:17.023252 7064 sgd_solver.cpp:106
5、 Iteration 200, lr = 0.00985258 I0614 00:40:25.631428 7064 solver.cpp:228 Iteration 300, loss = 0.162749 I0614 00:40:25.631542 7064 solver.cpp:244 Train net output #0: loss = 0.162749 (* 1 = 0.162749 loss) I0614 00:40:25.631561 7064 sgd_solver.cpp:106 Iteration 300, lr = 0.00978075 I0614 00:40:34.70
6、5716 7064 solver.cpp:228 Iteration 400, loss = 0.0588523 I0614 00:40:34.705777 7064 solver.cpp:244 Train net output #0: loss = 0.0588523 (* 1 = 0.0588523 loss),mnist训练时间约20min,4 caffe的应用实例识别一张动物图片,采用已训练好模型: ImageNet,d o g,测试对象:,Model Zoo,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,
- 温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。