本文介绍了如何使用MXNet进行图像分类，从安装MXNet、准备数据集、转换数据集格式到训练模型的过程。作者分享了在PRCV挑战赛中遇到的多标签图像分类问题，并选择了MXNet作为解决方案，详细讲解了如何将原始图片转换为REC格式，以及如何修改MXNet的训练脚本以适应自己的数据集。
这段时间小编参加了一个叫prcv的挑战赛，其中就有一个项目是多标签图像分类，可是小编一直使用的是caffe框架，这给这个任务带来了比较大的挑战，据说可以通过修改caffe源码来实现多标签分类问题，但是我觉得太麻烦了，也不想去修改我的caffe源码，毕竟caffe也不太好安装，tensorflow,keas等框架小编半生不熟，经过搜索，打听到mxnet比较适合解决这个问题，于是小编开始摸索mxnet，一查官方文档，基本有了了解，特此记录下。
深度学习框架几乎都是大同小异，学习这些无非就是几个步骤
1、准备数据集
2、转换成框架需要的数据格式
3、搭建模型开始训练
4、利用生成的模型进行预测
5、学习迁移学习等
6、目标检测
7、RNN等
接下来我们开始吧
（一）安装mxnet
此过程直接跳过吧，网上太多了，小编非常建议源码安装不要使用pip安装，小编在这给出参考链接,其中cuda等如果是cpu可跳过
https://www.cnblogs.com/whu-zeng/p
订阅专栏 解锁全文
扫一扫
4738
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
