深度学习（八）caffe源码学习-未完待续

最新推荐文章于 2018-10-30 07:24:09 发布

hjimce

最新推荐文章于 2018-10-30 07:24:09 发布

阅读量3.5k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/hjimce/article/details/48947947

本文详细介绍Caffe中直接调用方法的使用技巧，包括如何通过指定GPU进行训练以及如何利用现有模型进行fine-tuning来提高在小数据集上的训练效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要详细讲解caffe的直接调用方法。

一、训练相关

#!/usr/bin/env sh
TOOLS=../cafferead/build/tools
$TOOLS/caffe train --solver=gender_solver.prorotxt  -gpu all  #加入 -gpu 选项

-gpu 可以选择gpu的id号，如果是 -gpu all表示启用所有的GPU进行训练。

$TOOLS/caffe train --solver=gender_solver.prorotxt -weights gender_net.caffemodel #加入-weights

加入-weights，这个功能很好用，也经常会用到，因为现在的CNN相关的文献，很多都是在已有的模型基础上，进行fine-tuning，因为我们大部分人都缺少训练数据，不像谷歌、百度这些土豪公司，有很多人专门做数据标注，对于小公司而言，往往缺少标注好的训练数据。因此我们一般使用fine-tuning的方法，在少量数据的情况下，尽可能的提高精度。我们可以使用：-weights 选项，利用已有的模型训练好的参数，作为初始值，进行继续训练。

二、特征提前相关命令