caffe windows学习:第一个测试程序

caffe windows编译成功后,就可以开始进行测试了。如果还没有编译成功的,请参考:caffe windows 学习第一步:编译和安装(vs2012+win 64)

一般第一个测试都是建议对手写字体minist进行识别。这个测试放在根目录下的 .examplesmnist 文件夹内。

1、下载数据。程序本身不带测试数据,需要去下载,测试数据为leveldb格式。你可以直接双击运行“get_mnist_leveldb.bat”  这个脚本自动下载数据,但一般都不成功,可能里面的网址被墙了。你可以直接到此下载:http://pan.baidu.com/s/1hry1f4g

下载好后直接解压,得到两个文件夹(mnist-train-leveldb和mnist-test-leveldb),将这两个文件夹直接复制到 .examplesmnist  目录下。

2、修改配置文件。该目录下prototxt扩展名的都是配置文件。我们只需要修改lenet_solver.prototxt,用vs2012打开(也可以用记事本打开,但格式混乱,看不清楚),定位到最后一行:solver_mode: GPU,将GPU改为CPU。 如果你有GPU,这一步就可以免了。

3、运行。直接双击文件“train_lenet.bat”就开始运行了,很简单吧。

但是原理是什么呢?  打开“train_lenet.bat”这个文件看看:

copy ..\..\bin\MainCaller.exe ..\..\bin\train_net.exe 
SET GLOG_logtostderr=1
"../../bin/train_net.exe" lenet_solver.prototxt
pause

这个脚本程序其实很简单,只有四行:

第一行:将根目录下的bin文件夹里面的MainCaller.exe复制一份,并重命名为train_net.exe

第二行:设置glog日志。glog是google 出的一个C++轻量级日志库,介绍请看 glog

第三行:运行train_net.exe,并带一个参数lenet_solver.prototxt(即我们刚才修改的配置文件)

第四行:测试完后,暂停。

MainCaller.exe是整个程序的入口,由它来调用其它的测试。我们打开对应的MainCaller.cpp文件(examples目录下),发现只有这么一行代码:

#include "../../tools/train_net.cpp"

即是去调用执行train_net.cpp文件。

打开打tools下的train_net.cpp,熟悉的main函数就出来了

#include <cuda_runtime.h>
#include <iostream>
#include <cstring>

#include "caffe/caffe.hpp"

using namespace caffe;  // NOLINT(build/namespaces)

int main(int argc, char** argv) {
  ::google::InitGoogleLogging(argv[0]);  //用第一个参数来初始化日志
  ::google::SetLogDestination(0, "../tmp/");   //将日志放入/tmp/文件夹下
  if (argc < 2 || argc > 3) {
    LOG(ERROR) << "Usage: train_net solver_proto_file [resume_point_file]";
    return 1;
  }
  SolverParameter solver_param;  //创建测试参数对象
  ReadProtoFromTextFileOrDie(argv[1], &solver_param);  //读取具体的参数配置 

  LOG(INFO) << "Starting Optimization";   //打印日志信息
  SGDSolver<float> solver(solver_param);  //开始优化
  //根据调用时,是否带第三个参数,进行不同的测试
  if (argc == 3) {
    LOG(INFO) << "Resuming from " << argv[2];
    solver.Solve(argv[2]);
  } else {
    solver.Solve();
  }
  LOG(INFO) << "Optimization Done.";  //优化结束,打印日志信息

  return 0;
}

整个minist手写数字识别过程需要迭代10000次,识别精度会有99%以上。

如果你只是想看看caffe是否编译成功,不需要迭代那么多次,你可以修改lenet_solver.prototxt配置文件,定位到max_iter: 10000这一行,修改成你想要的迭代次数就行了。

我迭代1000次的结果如下:

屏幕上显示的这些,都是打印的glog日志信息,从左至右大致是:日期 时间 执行文件] 执行信息

原文地址:https://www.cnblogs.com/denny402/p/5041122.html