本文部分内容来源于CDA深度学习实战课堂,由唐宇迪老师授课
- 如果你企图用CPU来训练模型,那么你就疯了…
- 训练模型中,最耗时的因素是图像大小size,一般227*227用CPU来训练的话,训练1万次可能要超过1周的时间。
- 不同的网络结构,可能会有不同图片尺寸的需求,所以训练之前需要了解一下,在生成LMDB环节就直接符合上模型的数据要求。
- 如果你自己DIY了框架,那么不知道如何检验框架与通用框架比较,是否优质,可以去benchmarks网站,跟别人的PK一下:http://human-pose.mpi-inf.mpg.de/
- Caffe官网: Examples:主要集中在训练模型 Notebook Examples:集中在fun-tuning模型
一、训练文件配置详情
1、参数文件solver.prototxt
以caffeNet为例,参数解读:
net: "/caffe/examples/lmdb_test/train/bvlc_reference_caffenet/train_val.prototxt"
# 训练的prototxt在哪,路径
test_iter: 1000
# 测试要迭代多少个Batch test_iter * batchsize(测试集的)= 测试集的大小
test_interval: 500
# 每500次迭代,就在用测试集进行测试
base_lr: 0.01
# 设置初始化的学习率为0.01
lr_policy: "step"
# 权重衰减策略。
gamma: 0.1
stepsize: 100000
# 初始的学习率为0.01,并且每100000次迭代中进行学习率下降
display: 20
# 每20次epoch就显示出一些数据信息
max_iter: 50000
# 迭代次数
momentum: 0.9
# 一直都是0.9,固定不变;迭代的数据更快,步伐更快
weight_decay: 0.0005
# 权重衰减因子为0.0005
snapshot: 10000
# 每10000次迭代中,就生成当前状态的快照
snapshot_prefix: "/caffe/examples/lmdb_test/train/bvlc_reference_caffenet"
# 模型快照保存
solver_mode: CPU
# 可以设定GPU还是cpu
快照的大用途:如果出了什么意外中断了训练,那真是天都要塌了,所以快照存储了训练的中间结果,这个设计真是人性化,当再次训练时,就可以从快照中恢复数据了。直接在最后的执行文件,调用已经训练的快照就行,用-snapshot
2、框架文件,train_val.prototxt
框架文件每一层参数具体含义是什么?可参考caffe官方链接:http://caffe.berkeleyvision.org/tutorial/layers.html
训练文件:配置训练阶段的图片数据集、配置训练阶段的标签数据集、配置测试阶段的图片数据集 、配置测试阶段的标签数据集 、 多标签损失函数(博客:Caffe中LMDB接口实现多标签数据准备及训练)
网络的配置文件——定义网络
Name:”” #随便写
Layer
{
Name:”” #名称
Type:”” #很严格
Top:”label” # 接最后的内容,最后全连接层会出现"bottom:"label""
}
Transform.param
# 1/256,归一化,多少大小一般都需要进行归一化处理
Batch_size:64
#一次迭代多少个样本
Layer
{data}
# 两个数据层,一个训练层,一个验证层
Layer
{
Conv1
}
需要注意的是:
1. 最后全连接输出,时候你是几分类,就要填几:
多分类数量就看训练时候的分类个数。
inner_product_param {
num_output: 2
weight_filler {
type: "gaussian"
std: 0.01
2. 自己定义层的时候
需要自己写不同的层,c++自己写,挺麻烦的
3. 图片尺寸
图片尺寸是根据网络来定义的,大型网络都是227*227(224*224),VGG,ALEX都是这样,譬如lenet小网络就可以用28*28
4. batch的作用
Batch越大越好,一般64.小的话,可以更好地显示,小步迭代
3、模型执行文件train.sh
执行文件就是训练好之后,你要在linux下运行的文件。
./build/tools/caffe train \
# caffe这个工具在哪,一般就在tool之下
-gpu 0 \
# 不必须,是否用GPU,譬如你有很多块GPU,每块都有编号,那么就可以直接选择某一块GPU。其中如果你有四块GPU,那么就可以-gpu all
-model path/to/trainval.prototxt \
# 不必须,因为后面有solver参数文件,而参数文件里面有trainval.prototxt文件,一般都不用写
-solver path/to/solver.prototxt \
# 必须,prototxt文件内容在哪
-weights path/to/pretrained_weights.caffemodel
# 不必须,-weight用来做fine-tuning,参数拿来学习。这个在fine-tuning时候用得上
--snapshot=examples/imagenet/myself/model/caffenet_train_1000.solverstate
# 如果断了,这时候就可以用快照继续训练啦~ 只要在执行文件中加入snapshot的路径
其中snapshot可是大杀器,笔者觉得有两个用途:
- 1、临时停机了…机器训练中断了…
训练的时候是遵循snapshot每10000次生成一次快照,如果停机就可以继续延续上次的内容继续训练,再写一遍这个文件即可。 - 2、要fine-tuning别人的模型,则需要先down他们的模型快照,然后继续训练,继续训练的时候可以让学习率降低到很小,把全连接层可以稍微分一下。
4、验证集文件:deploy.prototxt
这个文件是预测的时候需要用到的,跟参数trian_val.prototxt训练文件很相似。
train_val.prototxt文件=数据输入+卷积层+全连接层+loss/accuracy
Deploy.prototxt文件=简化版数据输入+卷积层+全连接层+prob预测层
其他真的不用改动。train_val的ImageData输入层,需要修改为input层。
就拿AlexNet来说,不同之处在数据输入部分+最后链接层
- Deploy.prototxt的数据输入部分:
layer {
name: "data"
type: "Input"
top: "data"
input_param { shape: { dim: 10 dim: 3 dim: 227 dim: 227 } }
}
其中input_param中的参数意义为:
**第一个:**dim,对待识别样本图片进行数据增广的数量,一个图片会变成10个,之后输入到网络进行识别。如果不进行数据增广,可以设置成1。
第二个:图片的通道数,一般灰度图片为单通道,则值为1,如果为非灰度图3通道图片则为3。
第三个:图片的高度,单位像素。
第四个:图片的宽度,单位像素。
内容来源于:caffe生成lenet-5的deploy.prototxt文件
- Deploy.prototxt的全连接prob部分:
layer {
name: "prob"
type: "Softmax"
bottom: "fc8"
top: "prob"
}
输出的是概率值,参数trian_val.prototxt集合中全连接层之后链接的是loss/accuracy。可以看出训练集要求的主要内容是输出loss/accuracy,衡量训练精度;而验证集文件,主要就是将图片分类输出出来。
二、训练完之后如何测试新数据
官方案例案例链接ipynb格式:打开链接
1、如何将mean.binaryproto转mean.npy
由于验证的时候需要在python下,验证新图片的时候,是先读入然后减去均值,这时候均值就需要一个python可以理解的版本。
网络上有博客总结两种方法(博客:Caffe均值文件mean.binaryproto转mean.npy):mean.binaryproto转mean.npy、已知均值情况下用均值创建
(1)mean.binaryproto 转化
使用Caffe的C++接口进行操作时,需要的图像均值文件是pb格式,例如常见的均值文件名为mean.binaryproto;但在使用Python接口进行操作时,需要的图像均值文件是numpy格式,例如mean.npy。所以在跨语言进行操作时,需要将mean.binaryproto转换成mean.npy,转换代码如下:
import caffe
import numpy as np
MEAN_PROTO_PATH = 'mean.binaryproto' # 待转换的pb格式图像均值文件路径
MEAN_NPY_PATH = 'mean.npy' # 转换后的numpy格式图像均值文件路径
blob = caffe.proto.caffe_pb2.BlobProto() # 创建protobuf blob
data = open(MEAN_PROTO_PATH, 'rb' ).read() # 读入mean.binaryproto文件内容
blob.ParseFromString(data) # 解析文件内容到blob
array = np.array(caffe.io.blobproto_to_array(blob))# 将blob中的均值转换成numpy格式,array的shape (mean_number,channel, hight, width)
mean_npy = array[0] # 一个array中可以有多组均值存在,故需要通过下标选择其中一组均值
np.save(MEAN_NPY_PATH ,mean_npy)
(2)已知图像均值,构造mean.npy
如果已知图像中每个通道的均值,例如3通道图像每个通道的均值分别为104,117,123,我们也可以通过其构造mean.npy。代码如下:
import numpy as np
MEAN_NPY_PATH = 'mean.npy'
mean = np.ones([3,256, 256], dtype=np.float)
mean[0,:,:] = 104
mean[1,:,:] = 117
mean[2,:,:] = 123
np.save(MEAN_NPY, mean)
(3)如何加载mean.npy文件
上面我们用两种方式构造了均值文件mean.npy,在使用时载入mean.npy的代码如下:
import numpy as np
mean_npy = np.load(MEAN_NPY_PATH)
mean = mean_npy.mean(1).mean(1)
2、利用python做预测
(1)模块加载与设置环境
#加载模块与图像参数设置
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (10, 10) # large images
plt.rcParams['image.interpolation'] = 'nearest' # don't interpolate: show square pixels
plt.rcParams['image.cmap'] = 'gray'
#模型路径deploy
import caffe
import os
caffe.set_mode_cpu()
model_def = caffe_root + 'examples/faceDetech/deploy.prototxt'
model_weights = caffe_root + 'examples/faceDetech/alexnet_iter_50000_full_conv.caffemodel'
#模型加载
net = caffe.Net(model_def, # defines the structure of the model
model_weights, # contains the trained weights
caffe.TEST)
其中如何你没有训练好的模型那么caffe官方有一套,利用imagenet图片和caffenet模型训练好了一个caffemodel, 供大家下载。要进行图片的分类,这个caffemodel是最好不过的了。下载地址为:http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
或者命令行下载:
# sudo ./scripts/download_model_binary.py models/bvlc_reference_caffenet
(2)模型预处理阶段-不处理均值的情况
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
# 那么reshape操作,就是自动将验证图片进行放缩
transformer.set_transpose('data', (2,0,1)) # move image channels to outermost dimension
# transpose将RGB变为BGR,都要做transpose
# BGR谁放在前面,譬如3*300*100,这里设定3在前面
transformer.set_raw_scale('data', 255) # rescale from [0, 1] to [0, 255]
# 像素点rescale操作,将数据的像素点集中在[0,255]区间内
transformer.set_channel_swap('data', (2,1,0))
# CPU classification
net.blobs['data'].reshape(50, # batch size
3, # 3-channel (BGR) images
227, 227)
(3)单张新图片处理与识别
image = caffe.io.load_image("/caffe/data/trainlmdb/val/test_female/image_00010.jpg")
# 导入图片
transformed_image = transformer.preprocess('data', image)
# 预处理图片
output = net.forward()
# 前向传播一次,找出参数
net.blobs['data'].data[...] = transformed_image
output_prob = output['prob'][0]
# 输出概率
print 'predicted class is:', output_prob.argmax()
# 输出最大可能性
笔者训练的一个二分类结果是:
array([ 0.34624347, 0.65375656], dtype=float32)
转载:三、多张训练循环读取
本节主要参考博客:Caffe学习系列(20):用训练好的caffemodel来进行分类
在caffe根目录下的 examples/cpp-classification/
文件夹下面,有个classification.cpp文件,就是用来分类的。当然编译后,放在/build/examples/cpp_classification/
下面
数据准备好了,我们就可以开始分类了,我们给大家提供两个版本的分类方法:
一、c++方法
在caffe根目录下的 examples/cpp-classification/ 文件夹下面,有个classification.cpp文件,就是用来分类的。当然编译后,放在/build/examples/cpp_classification/ 下面
我们就直接运行命令:
# sudo ./build/examples/cpp_classification/classification.bin \
models/bvlc_reference_caffenet/deploy.prototxt \
models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \
data/ilsvrc12/imagenet_mean.binaryproto \
data/ilsvrc12/synset_words.txt \
examples/images/cat.jpg
命令很长,用了很多的\符号来换行。可以看出,从第二行开始就是参数,每行一个,共需要4个参数
运行成功后,输出top-5结果:
---------- Prediction for examples/images/cat.jpg ----------
0.3134 - "n02123045 tabby, tabby cat"
0.2380 - "n02123159 tiger cat"
0.1235 - "n02124075 Egyptian cat"
0.1003 - "n02119022 red fox, Vulpes vulpes"
0.0715 - "n02127052 lynx, catamount"
即有0.3134的概率为tabby cat, 有0.2380的概率为tiger cat ……
二、python方法
python接口可以使用jupyter notebook来进行可视化操作,因此推荐使用这种方法。
在这里我就不用可视化了,编写一个py文件,命名为py-classify.py
#coding=utf-8
#加载必要的库
import numpy as np
import sys,os
#设置当前目录
caffe_root = '/home/xxx/caffe/'
sys.path.insert(0, caffe_root + 'python')
import caffe
os.chdir(caffe_root)
net_file=caffe_root + 'models/bvlc_reference_caffenet/deploy.prototxt'
caffe_model=caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
mean_file=caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy'
net = caffe.Net(net_file,caffe_model,caffe.TEST)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
transformer.set_raw_scale('data', 255)
transformer.set_channel_swap('data', (2,1,0))
im=caffe.io.load_image(caffe_root+'examples/images/cat.jpg')
net.blobs['data'].data[...] = transformer.preprocess('data',im)
out = net.forward()
imagenet_labels_filename = caffe_root + 'data/ilsvrc12/synset_words.txt'
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')
top_k = net.blobs['prob'].data[0].flatten().argsort()[-1:-6:-1]
for i in np.arange(top_k.size):
print top_k[i], labels[top_k[i]]
执行这个文件,输出:
281 n02123045 tabby, tabby cat
282 n02123159 tiger cat
285 n02124075 Egyptian cat
277 n02119022 red fox, Vulpes vulpes
287 n02127052 lynx, catamount
caffe开发团队实际上也编写了一个python版本的分类文件,路径为 python/classify.py
运行这个文件必需两个参数,一个输入图片文件,一个输出结果文件。而且运行必须在python目录下。假设当前目录是caffe根目录,则运行:
# cd python
# sudo python classify.py ../examples/images/cat.jpg result.npy
分类的结果保存为当前目录下的result.npy文件里面,是看不见的。而且这个文件有错误,运行的时候,会提示
Mean shape incompatible with input shape
的错误。因此,要使用这个文件,我们还得进行修改:
1、修改均值计算:
定位到
mean = np.load(args.mean_file)
这一行,在下面加上一行:
mean=mean.mean(1).mean(1)
则可以解决报错的问题。
2、修改文件,使得结果显示在命令行下:
定位到
# Classify.
start = time.time()
predictions = classifier.predict(inputs, not args.center_only)
print("Done in %.2f s." % (time.time() - start))
这个地方,在后面加上几行,如下所示:
# Classify.
start = time.time()
predictions = classifier.predict(inputs, not args.center_only)
print("Done in %.2f s." % (time.time() - start))
imagenet_labels_filename = '../data/ilsvrc12/synset_words.txt'
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')
top_k = predictions.flatten().argsort()[-1:-6:-1]
for i in np.arange(top_k.size):
print top_k[i], labels[top_k[i]]
就样就可以了。运行不会报错,而且结果会显示在命令行下面。