【Caffe】Caffeのコマンドラインおよび関連ツールの使用方法《Caffeについて真剣に話す》

1.Caffe#

コンパイル後、トレーニングやテストは./build/tools/caffe を実行します。

以下にその使用方法を簡単に紹介します：

コマンド：

train モデルのトレーニング

test prototxt の test モードを呼び出し、モデルを検証データセットで評価します。train_val.prototxt を変更して新しいテストセットを指定することもできます。

device_query GPU の診断情報を表示します

time モデルの実行時間を計算します

フラグ：

-gpu オプションのパラメータで、使用する GPU デバイスを指定します。デフォルトは 0 です。パラメータを 'all' に設定すると、すべての利用可能な GPU を使用します。

複数の GPU でのトレーニングでは、実際のバッチ数は GPU 数 × バッチ数です。

-iterations test モードのオプションパラメータです。デフォルトは 50 で、原則として solver の test_iter と同じであるべきです。

-model test、time モードの必須パラメータです。ネットワーク構造のテキストを指定します。train_val.prototxt

-sighup_effect SIGHUP シグナルを受け取った場合の動作を指定します。snapshot、stop、none のいずれかを選択できます。デフォルトは snapshot です。

-sigint_effect 上記と同様です。デフォルトは stop です。

-snapshot 中断した前回のスナップショットファイル xxxxxx.solverstate を復元します。

-slover train モードの必須パラメータです。ハイパーパラメータのテキストを指定します。

-weights 1. test モードの必須パラメータです。トレーニング済みの xxxxxx.caffemodel を指定します。

パス：./build/tools/extract_features.bin

パラメータ 1：xxx.caffemodel

パラメータ 2：deploy.prototxt

パラメータ 3：conv1 または conv2 または pool1、1 つまたは複数の場合はカンマで区切ります

パラメータ 4：上記の特徴マップを保存するパス

パラメータ 5 (オプション)：特徴抽出を行うデータバッチの数

パラメータ 6 (オプション)：入力データの形式（LMDB または LEVELDB）

パラメータ 7 (オプション)：CPU または GPU

パラメータ 8 (オプション)：GPU を選択した場合、デバイス番号を選択します

パス：./build/examples/cpp_classification/classification.bin

パラメータ 1：deploy.prototxt

パラメータ 2：xxx.caffemodel

パラメータ 3：mean.binaryproto

パラメータ 4：words.txt

パラメータ 5：xxx.jpg