caffe-cifar的训练以及测试例子

abstract：

cifar10 工程的作用是一个将彩色的 32X32 图片辨认出来。

图1

训练 

先是在caffe根目录下。运行数据获取脚本。

./data/cifar10/get_cifar10.sh

然后等待下载完成！(ps:注意一定要在CAFFE 根目录下，要不脚本会出错，会找不到data目录)

接着相同再运行

./examples/cifar10/create_cifar10.sh

 

接着再修改cifar10_quick_solver.prototxt 把最下面的gpu,换成cpu。因为我还没有gpu!

修改cifar10_quick_solver_lr1.prototxt也修改成cpu!

 

最后在caffe根目录下运行

./examples/cifar10/train_quick.sh  然后慢慢等~

 

 

 测试

当训练完成后，会产生一个cifar10_quick_iter_5000.caffemodel.h5的文件。

这个文件描述整个网络的权值，而cifar10_quick.prototxt则描述了网络的模型。

mean.binaryproto的就测试图片的平均值图片。

label.txt。就如上图1所述，是图片的标签。（airplane, automobile, ..etc)

cat32.jpg就是我所测试的图片。可见这里测试的结果并没有那么准。

图2

本来我是以为是cat32 图片太大。后来缩小至32 X 32 格式的还是不行。和图2结果一致。

图3 这是我的测试图片!