《深学习框架caffe的学习学习教案.pptx》由会员分享，可在线阅读，更多相关《深学习框架caffe的学习学习教案.pptx（15页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、会计学1深学习深学习(xux)框架框架caffe的学习的学习(xux)第一页，共15页。1.1caffe产生(chnshng)提出了一个很好的概率框架来表达人的行为但是因为(yn wi)图像上提取的特征比较弱，可以外推的结果比较有限。NVIDIA赠送GPU贾扬清第1页/共15页第二页，共15页。1.2Caffe的特点(tdin)上手快上手快(shukui)跨平台跨平台社区社区(sh q)好好开放性开放性速度快速度快第2页/共15页第三页，共15页。2.1硬件(yn jin)配置与操作系统处理器：Intel(R)Core(TM)i5-3230M CPU 2.60GHz 内存(ni cn)：4GB
2、 操作系统：Ubuntu14.04 64bit磁盘：安装磁盘空间为100GB第3页/共15页第四页，共15页。2.2依赖(yli)库与工具依赖(yli)包：lprotobuf leveldb snappy opencv hdf5-serial protobuf-compiler boost工具(gngj)：google-glog、google-gflag、git第4页/共15页第五页，共15页。2.3 核心(hxn)软件的安装lmdbOpenCVCaffegit clone第5页/共15页第六页，共15页。3.1 mnist数据(shj)集手写(shuxi)数字图片60000张训练库图片100
3、00张测试库图片./get_mnist.sh第6页/共15页第七页，共15页。3.2mnist数据(shj)集的格式转换第7页/共15页第八页，共15页。3.3全局参数(cnsh)配置（lenet_solver.prototxt）第8页/共15页第九页，共15页。3.4 LeNet网络(wnglu)（lenet_train_test.prototxt）layer name:mnist type:Data transform_param scale:0.00390625 data_param source:mnist_train_lmdb backend:LMDB batch_size:64 t
4、op:data top:labellayer name:conv1 type:Convolution param lr_mult:1 param lr_mult:2 convolution_param num_output:20 kernel_size:5 stride:1 weight_filler type:xavier bias_filler type:constant bottom:data top:conv1第9页/共15页第十页，共15页。3.5 训练(xnlin)与测试I0614 00:40:08.291082 7064 sgd_solver.cpp:106 Iteration
5、100,lr=0.00992565I0614 00:40:17.023165 7064 solver.cpp:228 Iteration 200,loss=0.143513I0614 00:40:17.023233 7064 solver.cpp:244 Train net output#0:loss=0.143513(*1=0.143513 loss)I0614 00:40:17.023252 7064 sgd_solver.cpp:106 Iteration 200,lr=0.00985258I0614 00:40:25.631428 7064 solver.cpp:228 Iterati
6、on 300,loss=0.162749I0614 00:40:25.631542 7064 solver.cpp:244 Train net output#0:loss=0.162749(*1=0.162749 loss)I0614 00:40:25.631561 7064 sgd_solver.cpp:106 Iteration 300,lr=0.00978075I0614 00:40:34.705716 7064 solver.cpp:228 Iteration 400,loss=0.0588523I0614 00:40:34.705777 7064 solver.cpp:244 Tra
7、in net output#0:loss=0.0588523(*1=0.0588523 loss)mnist训练(xnlin)时间约20min第10页/共15页第十一页，共15页。4 caffe的应用实例(shl)识别一张动物图片采用已训练(xnlin)好模型：ImageNet d o g测试(csh)对象：Model Zoo第11页/共15页第十二页，共15页。测试(csh)结果：博美犬威尔士柯基犬碟耳长毛(chn mo)玩赏小狗吉娃娃（一种(y zhn)产于墨西哥的狗）第12页/共15页第十三页，共15页。未成功安装GPU驱动程序，模型的训练是通过CPU进行(jnxng)运算未深入研究caffe所应用到的深度学习网络(wnglu)模型未研究深度(shnd)学习相关数学知识以及caffe源代码5 小结基本完成caffe运行环境搭建成功训练了mnist模型准确识别出图像第13页/共15页第十四页，共15页。谢谢(xi xie)！深度学习(xux)框架caffe的介绍第14页/共15页第十五页，共15页。