LeNet5训练Mnist回顾总结

 训练过程依据其他教程和训练日志学习。
 通过mnist训练过程,我们初步了解一个深度学习系统最核心的两个方面:数据和模型。数据是带标签的图片集,分训练集和测试集;模型是描述CNN结构的有向无环图(DAG),表示对原始数据的处理方式。
 Caffe并不是直接处理原始数据的,而是由预处理程序将原始数据转换存储为LMDB格式,这种方式可保持高效的的IO效率,加快训练时的数据加载速度。模型通常用ProtoBuffwe文本方式表述,训练结构保存为ProtoBuffer二进制文件(默认)或HDF5格式文件。深度学习的过程其实就是利用训练数据对模型进行训练,将数据中蕴含的大量信息通过机器学习算法不断收集到模型中,再利用训练好的模型对现实世界中的相似数据进行特定处理(如分类、识别、检测、定位)。
 回顾caffe/build/tools/caffe.bin的用法,在caffe安装目录下运行
$ ./build/tools/caffe.bin
LeNet5训练Mnist回顾总结_第1张图片
commands:
train 训练或微调一个模型
test 对一个模型打分
device_query 显示GPU诊断信息
time 评估模型执行时间
Flags from tools/caffe.cpp:
下面罗列了一些可选参数,实际在solver.prototxt中已经设置过,参照解释可以测试。

你可能感兴趣的:(深度学习)