caffe迁移训练

原创于 2020-02-19 14:36:19 发布 · 297 阅读

0 ·

CC 4.0 BY-SA版权

caffe学习专栏收录该内容

7 篇文章

订阅专栏

本文介绍如何使用Caffe进行断点续训和迁移学习，通过具体实例展示了如何加载预训练模型进行继续训练，以及如何利用已有模型进行新任务的学习。详细解释了命令行参数的设置和日志记录的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.断点续训

#！/usr/bin/env sh

ROOT=/home/felix/Felix/caffe-augmentation-master/data/General

LOG=$ROOT/models/densenet/train-'data +%Y-%m-%d-%H-%M-%S'.log

CAFFE=./build/tools/caffe.bin
    $CAFFE train --solver=$ROOT/solver.prototxt --snapshot=$ROOT/models/densenet/_iter_28000.solverstate --gpu=all 2>&1 | tee $LOG

2.迁移学习（预训练模型）

#！/usr/bin/env sh

ROOT=/home/felix/Felix/caffe-augmentation-master/data/General

LOG=$ROOT/models/densenet/train-'data +%Y-%m-%d-%H-%M-%S'.log

CAFFE=./build/tools/caffe.bin
    $CAFFE train --solver=$ROOT/solver.prototxt --weights=$ROOT/models/densenet/_iter_28000.caffemodel --gpu=all 2>&1 | tee $LOG

参考文献：