当前位置：首页 > 编程资源 > 编程问答 >内容正文

编程问答

caffe入门学习

发布时间：2025/3/21 编程问答 40 豆豆

生活随笔收集整理的这篇文章主要介绍了 caffe入门学习小编觉得挺不错的,现在分享给大家,帮大家做个参考.

转载自：深度学习（六）caffe入门学习 - hjimce的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/hjimce/article/details/48933813

本文主要讲解caffe的整个使用流程，适用于初级入门caffe，通过学习本篇博文，理清项目训练、测试流程。初级教程，高手请绕道。

我们知道，在caffe编译完后，在caffe目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe，如下图所示：

有了这个可执行文件我们就可以进行模型的训练，只需要学会调用这个可执行文件就可以了，这便是最简单的caffe学习，不需要对caffe底层的东西懂太多，只需要会调参数，就可以构建自己的网络，然后调用这个可执行文件就可以进行训练，当然如果你不仅仅是调参数，而且想要更改相关的算法，那就要深入学习caffe的底层函数调用了，这个以后再讲。本篇博文仅适合于刚入门学习caffe，高手请绕道。废话不多说，回归正题：

一、总流程

完成一个简单的自己的网络模型训练预测，主要包含几个步骤：

1、数据格式处理，也就是把我们的图片.jpg,.png等图片以及标注标签,打包在一起，搞成caffe可以直接方便调用的文件。后面我将具体讲解如何打包自己的数据，让caffe进行调用。

2、编写网络结构文件，这个文件的后缀格式是.prototxt。就是编写你的网络有多少层，每一层有多少个特征图，输入、输出……。看个例子，看一下caffe-》example-》mnist-》lenet_train_test.prototxt。这个便是手写字体网络结构文件了，我们需要根据自己的需要学会修改这个文件：

[cpp] view plaincopy

layer {

type: "Data" //data层

top: "data"

top: "label"

include {

phase: TRAIN //训练阶段

}

transform_param {

scale: 0.00390625 //对所有的图片归一化到0~1之间，也就是对输入数据全部乘以scale，0.0039= 1/255

}

data_param {

source: "examples/mnist/mnist_train_lmdb" //训练数据图片路径

batch_size: 64 //每次训练采用的图片64张，min-batch

backend: LMDB

}

layer {

type: "Data"

top: "data"

top: "label"

include {

phase: TEST //测试

}

transform_param {

scale: 0.00390625

}

data_param {

source: "examples/mnist/mnist_test_lmdb" //测试数据图片路径

batch_size: 100

backend: LMDB

}

layer {

type: "Convolution" //这层操作为卷积

bottom: "data" //这一层的前一层是data层

top: "conv1" //

param {

lr_mult: 1

}

param {

lr_mult: 2

}

convolution_param {

num_output: 20 //定义输出特征图个数

kernel_size: 5 //定义卷积核大小

stride: 1

weight_filler {

type: "xavier"

}

bias_filler {

type: "constant"

}

layer {

type: "Pooling" //池化层，这一层的操作为池化

bottom: "conv1" //这一层的前面一层名字为：conv1

top: "pool1"

pooling_param {

pool: MAX //最大池化

kernel_size: 2

stride: 2

}

layer {

type: "Convolution"

bottom: "pool1"

top: "conv2"

param {

lr_mult: 1

}

param {

lr_mult: 2

}

convolution_param {

num_output: 50

kernel_size: 5

stride: 1

weight_filler {

type: "xavier"

}

bias_filler {

type: "constant"

}

layer {

type: "Pooling"

bottom: "conv2"

top: "pool2"

pooling_param {

pool: MAX

kernel_size: 2

stride: 2

}

layer {

type: "InnerProduct"

bottom: "pool2"

top: "ip1"

param {

lr_mult: 1

}

param {

lr_mult: 2

}

inner_product_param {

num_output: 500

weight_filler {

type: "xavier"

}

bias_filler {

type: "constant"

}

layer {

type: "ReLU"

bottom: "ip1"

top: "ip1"

}

layer {

type: "InnerProduct"

bottom: "ip1"

top: "ip2"

param {

lr_mult: 1

}

param {

lr_mult: 2

}

inner_product_param {

num_output: 10

weight_filler {

type: "xavier"

}

bias_filler {

type: "constant"

}

layer {

type: "Accuracy"

bottom: "ip2"

bottom: "label"

top: "accuracy"

include {

phase: TEST

}

layer {

type: "SoftmaxWithLoss"

bottom: "ip2"

bottom: "label"

top: "loss"

}

上面的网络结构，定义的data层，就是定义我们输入的训练数据的路径、图片变换等。

3、网络求解文件，这个文件我们喜欢把它取名为：solver.prototxt，这个文件的后缀格式也是.prototxt。这个文件主要包含了一些求解网络，梯度下降参数、迭代次数等参数……，看下手写字体的solver.prototxt文件：

[cpp] view plaincopy

net: "examples/mnist/lenet_train_test.prototxt" //定义网络结构文件，也就是我们上一步编写的文件

test_iter: 100

test_interval: 500 //每隔500次用测试数据，做一次验证

base_lr: 0.01 //学习率

momentum: 0.9 //动量参数

weight_decay: 0.0005 //权重衰减系数

lr_policy: "inv" //梯度下降的相关优化策略

gamma: 0.0001

power: 0.75

display: 100

max_iter: 10000 //最大迭代次数

snapshot: 5000 //每迭代5000次，保存一次结果

snapshot_prefix: "examples/mnist/lenet" //保存结果路径

solver_mode: GPU //训练硬件设备选择GPU还是CPU

这个文件的输入就是我们前面一步定义的网络结构。

4、编写网络求解文件后，我们可以说已经完成了CNN网络的编写。接着我们需要把这个文件，作为caffe的输入参数，调用caffe可执行文件，进行训练就可以了。具体的命令如下：

[cpp] view plaincopy

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

这样就完事了，程序就开始训练了。上面的第一个参数caffe，就是我们在编译caffe，生成的可执行文件：

然后solver就是我们在步骤3编写的solver文件了，只要在ubuntu终端输入上面的命令，就可以开始训练了。

回想一下文件调用过程：首先caffe可执行文件，调用了solver.prototxt文件，而这个文件又调用了网络结构文件lenet_train_test.prototxt，然后lenet_train_test.prototxt文件里面又会调用输入的训练图片数据等。因此我们如果要训练自己的模型，需要备好3个文件：数据文件lmdb(该文件包含寻数据)、网络结构lenet_train_test.prototxt、求解文件solver.prototxt，这几个文件名随便，但是文件后缀格式不要随便乱改。把这三个文件放在同一个目录下，然后在终端输入命令，调用caffe就可以开始训练了。

二、相关细节

1、lmdb数据格式生成

caffe输入训练图片数据我比较喜欢用lmdb格式，好像还有另外一种格式leveldb，这个具体没用过，这里主要讲解lmdb格式数据的制作。其实在caffe-》example-》imagenet文件夹下面的一些脚本文件可以帮助我们快速生产相关的caffe所需的数据。

create_imagenet.sh这个文件可以帮我们快速的生成lmdb的数据格式文件，因此我们只需要把这个脚本文件复制出来，稍作修改，就可以对我们的训练图片、标注文件进行打包为lmdb格式文件了。制作图片的脚本文件如下：

[python] view plaincopy

#!/usr/bin/env sh

# Create the imagenet lmdb inputs

# N.B. set the path to the imagenet train + val data dirs

EXAMPLE=. # 生成模型训练数据文化夹

TOOLS=../../build/tools # caffe的工具库，不用变

DATA=. # python脚步处理后数据路径

TRAIN_DATA_ROOT=train/ #待处理的训练数据图片路径

VAL_DATA_ROOT=val/ # 带处理的验证数据图片路径

# Set RESIZE=true to resize the images to 256x256. Leave as false if images have

# already been resized using another tool.

RESIZE=true #图片缩放

if $RESIZE; then

RESIZE_HEIGHT=256

RESIZE_WIDTH=256

else

RESIZE_HEIGHT=0

RESIZE_WIDTH=0

if [ ! -d "$TRAIN_DATA_ROOT" ]; then

echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"

echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \

"where the ImageNet training data is stored."

exit 1

if [ ! -d "$VAL_DATA_ROOT" ]; then

echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"

echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \

"where the ImageNet validation data is stored."

exit 1

echo "Creating train lmdb..."

GLOG_logtostderr=1 $TOOLS/convert_imageset \

--resize_height=$RESIZE_HEIGHT \

--resize_width=$RESIZE_WIDTH \

--shuffle \

$TRAIN_DATA_ROOT \

$DATA/train.txt \ #标签训练数据文件

$EXAMPLE/train_lmdb

echo "Creating val lmdb..."

GLOG_logtostderr=1 $TOOLS/convert_imageset \

--resize_height=$RESIZE_HEIGHT \

--resize_width=$RESIZE_WIDTH \

--shuffle \

$VAL_DATA_ROOT \

$DATA/val.txt \ #验证集标签数据

$EXAMPLE/val_lmdb

echo "Done."

同时我们需要制作如下四个文件：

1、文件夹train，用于存放训练图片

2、文件夹val，用于存放验证图片

3、文件train.txt，里面包含这每张图片的名称，及其对应的标签。

[python] view plaincopy

first_batch/train_female/992.jpg 1

first_batch/train_female/993.jpg 1

first_batch/train_female/994.jpg 1

first_batch/train_female/995.jpg 1

first_batch/train_female/996.jpg 1

first_batch/train_female/997.jpg 1

first_batch/train_female/998.jpg 1

first_batch/train_female/999.jpg 1

first_batch/train_male/1000.jpg 0

first_batch/train_male/1001.jpg 0

first_batch/train_male/1002.jpg 0

first_batch/train_male/1003.jpg 0

first_batch/train_male/1004.jpg 0

first_batch/train_male/1005.jpg 0

first_batch/train_male/1006.jpg 0

first_batch/train_male/1007.jpg 0

first_batch/train_male/1008.jpg 0

上面的标签编号:1，表示女。标签：0，表示男。

4、文件val.txt，同样这个文件也是保存图片名称及其对应的标签。

这四个文件在上面的脚本文件中，都需要调用到。制作玩后，跑一下上面的脚本文件，就ok了，跑完后，即将生成下面两个文件夹：

文件夹下面有两个对应的文件：

制作完后，要看看文件的大小，有没有问题，如果就几k，那么正常是每做好训练数据，除非你的训练图片就几张。

二、训练

1、直接训练法

[python] view plaincopy

#!/usr/bin/env sh

TOOLS=../cafferead/build/tools

$TOOLS/caffe train --solver=gender_solver.prorotxt -gpu all #加入 -gpu 选项

-gpu 可以选择gpu的id号，如果是 -gpu all表示启用所有的GPU进行训练。

2、采用funing-tuning 训练法

[python] view plaincopy

$TOOLS/caffe train --solver=gender_solver.prorotxt -weights gender_net.caffemodel #加入-weights

加入-weights，这个功能很好用，也经常会用到，因为现在的CNN相关的文献，很多都是在已有的模型基础上，进行fine-tuning，因为我们大部分人都缺少训练数据，不像谷歌、百度这些土豪公司，有很多人专门做数据标注，对于小公司而言，往往缺少标注好的训练数据。因此我们一般使用fine-tuning的方法，在少量数据的情况下，尽可能的提高精度。我们可以使用：-weights 选项，利用已有的模型训练好的参数，作为初始值，进行继续训练。

三、调用python接口

训练完毕后，我们就可以得到caffe的训练模型了，接着我们的目标就预测，看看结果了。caffe为我们提供了方便调用的python接口函数，这些都在模块pycaffe里面。因此我们还需要知道如何使用pycaffe，进行测试，查看结果。下面是pycaffe的预测调用使用示例：

[python] view plaincopy

# coding=utf-8

import os

import numpy as np

from matplotlib import pyplot as plt

import cv2

import shutil

import time

#因为RGB和BGR需要调换一下才能显示

def showimage(im):

if im.ndim == 3:

im = im[:, :, ::-1]

plt.set_cmap('jet')

plt.imshow(im)

plt.show()

#特征可视化显示，padval用于调整亮度

def vis_square(data, padsize=1, padval=0):

data -= data.min()

data /= data.max()

#因为我们要把某一层的特征图都显示到一个figure上，因此需要计算每个图片占用figure多少比例，以及绘制的位置

n = int(np.ceil(np.sqrt(data.shape[0])))

padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3)

data = np.pad(data, padding, mode='constant', constant_values=(padval, padval))

# tile the filters into an image

data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))

data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])

showimage(data)

#设置caffe源码所在的路径

caffe_root = '../../../caffe/'

import sys

sys.path.insert(0, caffe_root + 'python')

import caffe

#加载均值文件

mean_filename='./imagenet_mean.binaryproto'

proto_data = open(mean_filename, "rb").read()

a = caffe.io.caffe_pb2.BlobProto.FromString(proto_data)

mean = caffe.io.blobproto_to_array(a)[0]

#创建网络，并加载已经训练好的模型文件

gender_net_pretrained='./caffenet_train_iter_1500.caffemodel'

gender_net_model_file='./deploy_gender.prototxt'

gender_net = caffe.Classifier(gender_net_model_file, gender_net_pretrained,mean=mean,

channel_swap=(2,1,0),#RGB通道与BGR

raw_scale=255,#把图片归一化到0~1之间

image_dims=(256, 256))#设置输入图片的大小

#预测分类及其可特征视化

gender_list=['Male','Female']

input_image = caffe.io.load_image('1.jpg')#读取图片

prediction_gender=gender_net.predict([input_image])#预测图片性别

#打印我们训练每一层的参数形状

print 'params:'

for k, v in gender_net.params.items():

print 'weight:'

print (k, v[0].data.shape)#在每一层的参数blob中，caffe用vector存储了两个blob变量，用v[0]表示weight

print 'b:'

print (k, v[1].data.shape)#用v[1]表示偏置参数

#conv1滤波器可视化

filters = gender_net.params['conv1'][0].data

vis_square(filters.transpose(0, 2, 3, 1))

#conv2滤波器可视化

'''''filters = gender_net.params['conv2'][0].data

vis_square(filters[:48].reshape(48**2, 5, 5))'''

#特征图

print 'feature maps:'

for k, v in gender_net.blobs.items():

print (k, v.data.shape);

feat = gender_net.blobs[k].data[0,0:4]#显示名字为k的网络层,第一张图片所生成的4张feature maps

vis_square(feat, padval=1)

#显示原图片，以及分类预测结果

str_gender=gender_list[prediction_gender[0].argmax()]

print str_gender

plt.imshow(input_image)

plt.title(str_gender)

plt.show()

上面的接口，同时包含了pycaffe加载训练好的模型，进行预测及其特征可视化的调用方法。

总结

以上是生活随笔为你收集整理的caffe入门学习的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。

入门
Caffe

上一篇： CNN应用之基于Overfeat的物体检
下一篇：微博收藏（机器学习代码与工具）（一）