网站大量收购独家精品文档,联系QQ:2885784924

Caffe 深度学习框架上手教程.docx

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Caffe 深度学习框架上手教程

Caffe 深度学习框架上手教程机器学习Deep LearningcaffeCaffe是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的贾扬清,目前在Google工作。Caffe是纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口;可以在CPU和GPU直接无缝切换:Caffe::set_mode(Caffe::GPU);Caffe的优势上手快:模型与相应优化都是以文本形式而非代码形式给出。Caffe给出了模型的定义、最优化设置以及预训练的权重,方便立即上手。速度快:能够运行最棒的模型与海量的数据。Caffe与cuDNN结合使用,测试AlexNet模型,在K40上处理每张图片只需要1.17ms.模块化:方便扩展到新的任务和设置上。可以使用Caffe提供的各层类型来定义自己的模型。开放性:公开的代码和参考模型用于再现。社区好:可以通过BSD-2参与开发与讨论。Caffe的网络定义Caffe中的网络都是有向无环图的集合,可以直接定义:name:dummy-netlayers {name: data …}layers {name: conv …}layers {name: pool …}layers {name: loss …}数据及其导数以blobs的形式在层间流动。Caffe的各层定义Caffe层的定义由2部分组成:层属性与层参数,例如name:conv1type:CONVOLUTIONbottom:datatop:conv1convolution_param{ num_output:20 kernel_size:5 stride:1 weight_filler{type: xavier }}这段配置文件的前4行是层属性,定义了层名称、层类型以及层连接结构(输入blob和输出blob);而后半部分是各种层参数。BlobBlob是用以存储数据的4维数组,例如对于数据:Number*Channel*Height*Width对于卷积权重:Output*Input*Height*Width对于卷积偏置:Output*1*1*1训练网络网络参数的定义也非常方便,可以随意设置相应参数。甚至调用GPU运算只需要写一句话:solver_mode:GPUCaffe的安装与配置Caffe需要预先安装一些依赖项,首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动(SUSE没有这种问题),如果不禁用,则CUDA驱动不能正确安装。以Ubuntu为例,介绍一下这里的处理方法,当然也有其他处理方法。# sudo vi/etc/modprobe.d/blacklist.conf# 增加一行:blacklist nouveausudoapt-get --purge remove xserver-xorg-video-nouveau #把官方驱动彻底卸载:sudoapt-get --purge remove nvidia-* #清除之前安装的任何NVIDIA驱动sudo service lightdm stop #进命令行,关闭Xserversudo kill all Xorg安装了CUDA之后,依次按照Caffe官网安装指南安装BLAS、OpenCV、Boost即可。Caffe跑跑MNIST试试在Caffe安装目录之下,首先获得MNIST数据集:cd data/mnistsh get_mnist.sh生成mnist-train-leveldb/ 和 mnist-test-leveldb/,把数据转化成leveldb格式:sh examples/mnist/create_mnist.sh训练网络:sh train_lenet.sh让Caffe生成的数据集能在Theano上直接运行不论使用何种框架进行CNNs训练,共有3种数据集:Training Set:用于训练网络Validation Set:用于训练时测试网络准确率Test Set:用于测试网络训练完成后的最终正确率Caffe生成的数据分为2种格式:Lmdb和Leveldb它们都是键/值对(Key/Value Pair)嵌入式数据库管理系统编程库。虽然lmdb的内存消耗是leveldb的1.1倍,但是lmdb的速度比leveldb快10%至15%,更重要的是lmdb允许多种训练模型同时读取同一组数据集。因此lmdb取代了leveldb成为Caffe默认的数据集生成格式。Google Protocol Buffer的安装Protocol Buffer是一种类似于XML的用于序列化数据的自动机制。首先在Protocol Buffers的中下载最新版本:/protocol-buffers/d

文档评论(0)

bigone123 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档