前两篇文章caffe入门应用方法(三)——制作LMDB数据源和caffe入门应用方法(四)--制作hdf5数据源分别介绍了制作LMDB和hdf5数据源的方法,以及更前面的文章记录了使用caffe搭建神经网络的方法.本文主要介绍一些训练神经网络常用的命令行.
训练网络
sudo sh ./build/tools/caffe train --solver=examples/mnist/train_lenet.sh
-
solver：必选参数. 指定一个protocol buffer类型的文件，即模型的配置文件。如：
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -
gpu: 可选参数。该参数用来指定用哪一块gpu运行，根据gpu的id进行选择，如果设置为'-gpu all'则使用所有的gpu运行。如使用第三块gpu运行：
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 2 -
weights:可选参数。用预先训练好的权重来fine-tuning模型，需要一个caffemodel如：
./build/tools/caffe train -solver examples/finetuning_on_flickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
测试网络
./build/tools/caffe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -gpu 0
time参数用来在屏幕上显示程序运行时间。如：
./build/tools/caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10
关于gpu
选用第一,二个GPU训练网络:
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 0,1
选用所有GPU训练网络:
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu all
例子
获取mnist数据
cd caffe
sudo sh data/mnist/get_mnist.sh
转为LMDB格式
sudo sh examples/mnist/create_mnist.sh
运行模型
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt
执行结果
image
