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