Open/Close Menu Yapı Taahhüt ve İnş. Tic. Ltd. Şti.

Size Özel Tekliflerimiz?
İletişime Geçin! »

Bizi Arayın:
0216 537 19 46/47

미세 조정을 위해 ImageNet 데이터 집합에서 훈련 된 GoogleNet에서 먼저 여기에 http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel 가중치를 다운로드해야합니다. 그리고 그 후 모델 / bvlc_googlenet /에 배치합니다. caffe_gpu_atomic_add() 원자 방식으로 값을 업데이트해야 하는 경우(예: ACID 데이터베이스의 요청이지만 이 경우 gpu 스레드의 경우) 학습 모델을 정의해야 하지만 데이터 입력을 수행할 수 있습니다. 우리는 기본적으로 우리가 위에서 정의 한 구성 요소의 모든 조각이 필요합니다. 이 예제에서는 mnist_train 데이터 집합에서 NCHW 저장소 순서를 사용하고 있습니다. 그런 다음 Kaggle에서 다운로드 한 zip 파일을 ./data/DogsCatsKaggle 폴더에 배치하고 압축을 들어 보겠습니다. 압축을 풀면 모든 이미지가 train이라는 하위 폴더에 저장됩니다. 다음으로 train.txt 및 test.txt 파일을 만듭니다. 의 ./예제 /DogsCatsKaggle 폴더로 이동하여 파이썬 파일을 만들고, 이름을 만들어 _kaggle_txt.py를 만들고 아래 코드를 채우십시오 : caffe_set () 및 caffe_gpu_set() 값으로 데이터를 초기화하려면 CNN 아키텍처를 결정한 후 데이터를 정의해야합니다. .prototxt train_val 파일의 매개 변수를 참조하십시오. 카페는 알렉스넷과 구글넷 과 같은 몇 가지 인기있는 CNN 모델과 함께 제공됩니다.

이 자습서에서는 몇 가지 수정 사항으로 AlexNet의 복제인 bvlc_reference_caffenet 모델을 사용합니다. 아래는 caffenet_train_val_1.prototxt라고 부르는 train_val 파일의 사본입니다. 위에서 설명한 대로 자습서 git 저장소를 복제하는 경우 딥 러닝- 고양이 개 – 개 – 자습서 / caffe_model /caffe_model_1/에서 동일한 파일이 있어야합니다. 평균 이미지를 계산하는 목표는 데이터를 평균이 0으로 만드는 것입니다. 그게 무슨 뜻인가요? 예를 들어(x^{(1)}, x^{(2)}, 점, x^{(m)}와 같은 학습 데이터 집합이 있습니다. (x_mu)를 평균 값으로 호출해 봅시다: 카페와 파이카페인(이미 mri-wrapper에 포함) 출력은 $REPO_HOME$/예/newdata_output 우리는 훈련된 bvlc_reference_caffenet을 고양이/개를 만드는 출발점으로 활용합니다. 편입 학습을 사용하여 분류. 이 모델은 1,000개 범주에 걸쳐 수백만 개의 이미지를 포함하는 ImageNet 데이터 집합에서 학습되었습니다. 스냅샷에는 .caffemodel 확장이 있습니다. 예를 들어 10000개의 반복 스냅숏이 호출됩니다.