caffe 中保存log到文本

修改caffe-master\src\caffe文件夹下的common.cpp文件,或者用vs打开caffe解决方案。

编译common.cpp文件。

添加头文件

1

2

#include <boost/date_time.hpp> 

#include <direct.h> 

找到GlobalInit函数,向其中添加代码

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

void GlobalInit(int* pargc, char*** pargv) {

  // Google flags.

  ::gflags::ParseCommandLineFlags(pargc, pargv, true);

  // Google logging.

   

    std::string FLAGS_log_dir="./log/";//存放日志文件的文件夹路径,我们可以自己指定 

    _mkdir(FLAGS_log_dir.c_str());

    FLAGS_colorlogtostderr = true;//设置输出到屏幕的日志显示相应颜色

    std::string LOG_INFO_FILE; 

    std::string LOG_WARNING_FILE; 

    std::string LOG_ERROR_FILE; 

    std::string LOG_FATAL_FILE; 

    std::string now_time = boost::posix_time::to_iso_extended_string(boost::posix_time::second_clock::local_time()); 

    now_time[13] = '-'

    now_time[16] = '-'

    LOG_INFO_FILE = FLAGS_log_dir + "INFO" + now_time + ".txt"

    google::SetLogDestination(google::GLOG_INFO, LOG_INFO_FILE.c_str()); 

    LOG_WARNING_FILE = FLAGS_log_dir + "WARNING" + now_time + ".txt"

    google::SetLogDestination(google::GLOG_WARNING, LOG_WARNING_FILE.c_str()); 

    LOG_ERROR_FILE = FLAGS_log_dir + "ERROR" + now_time + ".txt"

    google::SetLogDestination(google::GLOG_ERROR, LOG_ERROR_FILE.c_str()); 

    LOG_FATAL_FILE = FLAGS_log_dir + "FATAL" + now_time + ".txt"

    google::SetLogDestination(google::GLOG_FATAL, LOG_FATAL_FILE.c_str()); 

 

  ::google::InitGoogleLogging(*(pargv)[0]);

  // Provide a backtrace on segfault.

 

#if !defined(_MSC_VER)

  ::google::InstallFailureSignalHandler();

#endif

}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值