Caffe 초기 습득 (1) 간단한 명령

Original Source : Alex’s CIFAR-10 tutorial 
본고는 CIFAR-10 데이터 세트의 예를 들어 Caffe의train과test 조작에 대해 간단하게 설명한다.
1. solver.prototxt 및cifar10full_train_test.prototxt 차이점:
CIFAR-10 트레이닝 네트워크 프로필과 테스트 네트워크 프로필은 같은cifar10full_train_test.prototxt 파일.
일반적인 경우 모델 폴더의 AlexNet처럼 세 개가 나타납니다.prototxt 파일, 그중trainval.protxt는 이와 유사합니다.
그리고solver.prototxt는 전역 파라미터를 포함하는 설정 파일로train과fine-tuning에 주로 사용되며test에서는 필요하지 않습니다.
2. cifar10_full_train_test.prototxt의 데이터 입력:

layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"
    batch_size: 100
    backend: LMDB
  }
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_test_lmdb"
    batch_size: 100
    backend: LMDB
  }
}

1에서 말한 바와 같이 여기서 정의한다
train
그리고
test
의 입력 데이터 경로입니다.
3. cifar10_quick_solver.prototxt 설명:

# Carry out testing every 500 training iterations.
test_interval: 500

500회 훈련마다 한 번씩 검증 테스트()
validation
), 훈련이 끝날 때까지 테스트를 하는 것은 아니다(
test
).

# snapshot intermediate results
snapshot: 4000
snapshot_format: HDF5

하면, 만약, 만약...
snapshot_format: HDF5
생성
.h5
훈련이나
fine-tuning.
이 문장을 주석해 버리면 생성됩니다.ffemodel 접두사 값 파일, 계속 훈련하기,fine-tuning,test에 사용됩니다.
4.훈련:

caffe train \
  --solver=examples/cifar10/cifar10_quick_solver.prototxt

네트워크 구조
cifar10_quick_solver.prototxt 
파일의 위치:

net: "examples/cifar10/cifar10_quick_train_test.prototxt"

5. 이용
snapshot
계속 훈련:

caffe train \
  --solver=examples/cifar10/cifar10_quick_solver_lr1.prototxt \
  --snapshot=examples/cifar10/cifar10_quick_iter_4000.solverstate.h5

4000회 교체된 스냅샷 활용
.h5
6. 테스트:

sudo caffe test \
   --model=./examples/cifar10/cifar10_train_test.prototxt   --weights=./examples/cifar10/cifar10_quick_iter_5000.caffemodel --iterations 100 -gpu all

모든 것을 사용하다
GPU
이전 5000회 교체 후 획득한 모델 불러오기