caffe学习笔记（三）ImageNet实例

最新推荐文章于 2025-05-24 09:11:26 发布

狮子HH

最新推荐文章于 2025-05-24 09:11:26 发布

阅读量1.1w

点赞数

CC 4.0 BY-SA版权

分类专栏： caffe 文章标签： caffe ImageNet AlexNet 卷积 BVLC模型

本文链接：https://blog.youkuaiyun.com/yingyujianmo/article/details/45078511

本文是关于使用Caffe在ImageNet数据集上训练AlexNet模型的学习笔记，详细介绍了ImageNet数据集的规模，Caffe中提供的BVLC模型，包括AlexNet的不同版本。还探讨了模型参数、数据预处理流程以及模型结构，最后提到了训练后的准确率和训练所需时间。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

个人认为，相对于MNIST和CIFAR-10来说，ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习，你可以用caffe在自己的数据集上搭建自己的模型。当然，如果你没有那么多的时间和精力去重新训练一个ImageNet网络，只是想要一个训练好的现成的模型，那么你也可以去官网上的model zoo部分找到你所要的。caffe 中打包好了几个训练好的BVLC模型，你可以‘开箱即用’。caffe中的BVLC模型有以下四类：
1.BVLC Reference CaffeNet
该模型是在ILSVRC 2012 数据集上训练的AlexNet，来源于Krizhevsky 等人在NIPS 2012上的论文 ImageNet classification with deep convolutional neural networks中的实验，不过caffe中的模型与论文中的模型略有不同。（由 Jeff Donahue 训练）
2.BVLC AlexNet
在ILSVRC 2012 数据集上训练的AlexNet，该模型与1中所述模型的不同点在于，它几乎与论文中描述的模型一模一样。（由Evan Shelhamer训练）
3.BVLC Reference R-CNN ILSVRC-2013
按照Girshick等人在CVPR 2014所述，纯粹用caffe实现的R-CNN模型。（由Ross Girshick训练）
4.BVLC GoogLeNet
GoogLeNet模型，按照Szegedy等人在ILSVRC 2014中的文章Going Deeper with Convolutions 中的模型所训练得到的。（由Sergio Guadarrama 训练）
上面这些模型你可以在python或matlab中直接调用。
数据集
这里使用的ImageNet数据集，特指ILSVRC12 challenge使用的数据集。
训练集：1281167
验证集：50000
测试集：100000（我下的数据集中测试样本有100000，Alex Krizhevsky论文中说的是150000）
数据集中的