Caffe 初学拾遗(一) 简单命令

Original Source : Alex’s CIFAR-10 tutorial 

本文以CIFAR-10数据集为例，对Caffe的train及test操作进行简单说明：

1. solver.prototxt 以及 cifar10_full_train_test.prototxt 区别：

CIFAR-10其训练网络配置文件与测试网络配置文件是同一个 cifar10_full_train_test.prototxt 文件。

常规情况下，像model文件夹下的AlexNet中出现三个.prototxt 文件，其中 train_val.prototxt 与之类似。

而solver.prototxt是包含全局参数的配置文件，主要用于train以及fine-tuning，在test时是不需要的。

2. cifar10_full_train_test.prototxt 中的数据输入：

layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"
    batch_size: 100
    backend: LMDB
  }
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_test_lmdb"
    batch_size: 100
    backend: LMDB
  }
}

正如1中所说，在这里定义 train 以及 test 的输入数据的路径。

3. cifar10_quick_solver.prototxt 说明：

# Carry out testing every 500 training iterations.
test_interval: 500

每500次训练迭代进行一次验证测试( validation )，并不是一直训练到结束后才进行测试( test )。

# snapshot intermediate results
snapshot: 4000
snapshot_format: HDF5

如果保留  snapshot_format: HDF5 会生成 .h5 后缀的快照，用于继续训练或者  fine-tuning。

如果注释掉该语句，会生成.caffemodel后缀权值文件，用于继续训练，fine-tuning，或者test。

4. 训练：

caffe train \
  --solver=examples/cifar10/cifar10_quick_solver.prototxt

网络结构在  cifar10_quick_solver.prototxt  文件中指向了:

net: "examples/cifar10/cifar10_quick_train_test.prototxt"

5. 利用 snapshot 继续训练：

caffe train \
  --solver=examples/cifar10/cifar10_quick_solver_lr1.prototxt \
  --snapshot=examples/cifar10/cifar10_quick_iter_4000.solverstate.h5

利用的是4000次迭代后的快照 .h5

6. 测试：

sudo caffe test \
   --model=./examples/cifar10/cifar10_train_test.prototxt   --weights=./examples/cifar10/cifar10_quick_iter_5000.caffemodel --iterations 100 -gpu all

使用所有的 GPU

加载之前5000次迭代后获得的model