cifar10训练实例
1. 下载数据
# sudo sh data/cifar10/get_cifar10.sh
2. 转换数据格式为lmdb
# sudo sh examples/cifar10/create_cifar10.sh
转换成功后,会在 examples/cifar10/文件夹下生成两个文件夹,cifar10_train_lmdb和cifar10_test_lmdb, 里面的文件就是我们需要的文件。
3. 配置solver.prototxt文件
为了节省时间,我们进行快速训练(train_quick),训练分为两个阶段,第一个阶段(迭代4000次)调用配置文件cifar10_quick_solver.prototxt, 学习率(base_lr)为0.001
第二阶段(迭代1000次)调用配置文件cifar10_quick_solver_lr1.prototxt, 学习率(base_lr)为0.0001(越是训练到最后,就需要更高的精度,loss才能趋近稳定)
base_lr: 0.001
momentum: 0.9
weight_decay: 0.004
lr_policy: "multistep"
gamma: 0.1
stepvalue: 4000
stepvalue: 5000
原文将两个过程配置文件合并到一起。
最后在当前目录下生成model文件,之后我们就可以用model文件来测试数据了。
原文使用cadu+cudnn加速,运行时间45秒,我用cpu运行了一个小时。5w张图片,1小时,差了80倍的速度。想想都可怕,由此可见GPU 加速的必要性。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:caffe训练数据流程 - Python技术站