Caffe学习-手写数字识别

1. Caffe训练方法综述

caffe非常简单，训练时只需写prototxt文件即可，其大致的步骤为：

Resize图片，转换存储格式(LMDB/LevelDB)
定义网络结构（编辑prototxt）
定义solver（编辑另一个prototxt）
一行命令开始训练（可以基于已有的权重赋值）
如下图所示，其训练的过程，关于卷积神经网络（CNN）可以参考：计算机视觉与卷积神经网络



下面对手写数字识别进行训练。

2. MNIST数据集

mnist是一个大型的手写数字库，其包含60000个训练集和10000个测试机，每张图片已经进行了尺度归一化等操作，因此可以直接拿过来使用。

下载

可以在

Caffe

源码框架的

/data/mnist

下执行,如果没有安装Caffe，请参考：linux(ubuntu)下安装深度学习框架caffe

cd data/mnist
./get_mnist.sh

下载后可以看到其文件：

yqtao@yqtao:~/caffe/data/mnist$ tree
.
├── get_mnist.sh
├── t10k-images-idx3-ubyte
├── t10k-labels-idx1-ubyte
├── train-images-idx3-ubyte
└── train-labels-idx1-ubyte

注意：下载后的文件需要转换存储格式为LEVELDB或LMDB，这要做有两个原因：

转换成统一的格式可以简化数据读取层的实现
提高磁盘I/O的利用率

转换格式

// 执行命令
yqtao@yqtao:~/caffe$ ./examples/mnist/create_mnist.sh

这要会在

example/mnist

产生

mnist_test_lmdb

和

mnist_train_lmdb

两个目录分别存放测试集和训练集。

3. 定义层次结构

这是非常重要的一步，但是其完全是模板话的定义，如下图所示为LeNet-5模型所定义的CNN：



这张图非常的重要，有了它，编写后面的网络结构就好非常的清晰了。 关于上图的结构是写到

.prototxt

文件中的，其文件描述在

/example/mnist/lenet_train_val.prototxt

中。

数据层

数据层的图示：

1 name: "LeNet"                  //Net的名称
2 layer {
3   name: "mnist"
4   type: "Data"                //表明为数据层
5   top: "data"                 //top,表示输出
6   top: "label"
7   include {                   //只在训练时有效
8     phase: TRAIN
9   }
10   transform_param {
11     scale: 0.00390625        //数据变化缩放因子
12   }
13   data_param {               //数据层的参数
14     source: "examples/mnist/mnist_train_lmdb" //来源
15     batch_size: 64          //一次读取64张图片
16     backend: LMDB           //数据格式
17   }
18 }

卷积层

卷积层的图示：



如下卷积层的定义：

36 layer { 37 name: "conv1" 38 type: "Convolution" 39 bottom: "data" //上一层的输出，这一层的输入 40 top: "conv1" //这一层的输出 41 param { //学习率 42 lr_mult: 1 43 }
44   param { 45 lr_mult: 2 46 }
47   convolution_param { 48 num_output: 20 //也就是depth 49 kernel_size: 5 //核的大小5*5 50 stride: 1 //步长1 51 weight_filler { //权值初始方式 52 type: "xavier" 53 }
54     bias_filler { 55 type: "constant" 56 }
57   }
58 }

注意：在top,和bottom中一定不要写错了！

池化层

池化层图示：



其定义如下：

59 layer {
60   name: "pool1"
61   type: "Pooling"
62   bottom: "conv1"
63   top: "pool1"
64   pooling_param {
65     pool: MAX           //下采样的方法
66     kernel_size: 2      //窗口
67     stride: 2           //步长
68   }
69 }

全链接层

其定义如下：

104 layer { 105 name: "ip1" 106 type: "InnerProduct" 107 bottom: "pool2" 108 top: "ip1" 109 param { 110 lr_mult: 1 111 }
112   param { 113 lr_mult: 2 114 }
115   inner_product_param { 116 num_output: 500 117 weight_filler { 118 type: "xavier" 119 }
120     bias_filler { 121 type: "constant" 122 }
123   }
124 }

激励层

其图示如下：



定义如下：

125 layer { 126 name: "relu1" 127 type: "ReLU" 128 bottom: "ip1" 129 top: "ip1" 130 }

损失层

定义如下：

162 layer { 163 name: "loss" 164 type: "SoftmaxWithLoss" 165 bottom: "ip2" 166 bottom: "label" 167 top: "loss" 168 }

注意：计算损失的时候的输入为

label

为数据层的一个输出，和全连接层的输出

ip2

，这一层的输出为

loss

。

4. 定义超参数文件

有了上面的网络结构的文件后还需要一个

solver.prototxt

的文件，其指定了训练的超参数。

其文件目录在

example/mnist/lenet_solver.prototxt

,每一项都有详细的解析。

1 # The train/test net protocol buffer definition
2 net: "examples/mnist/lenet_train_test.prototxt"
3 # test_iter specifies how many forward passes the test should carry out.
4 # In the case of MNIST, we have test batch size 100 and 100 test iterations,
5 # covering the full 10,000 testing images.
6 test_iter: 100
7 # Carry out testing every 500 training iterations.
8 test_interval: 500
9 # The base learning rate, momentum and the weight decay of the network.
10 base_lr: 0.01
11 momentum: 0.9
12 weight_decay: 0.0005
13 # The learning rate policy
14 lr_policy: "inv"
15 gamma: 0.0001
16 power: 0.75
17 # Display every 100 iterations
18 display: 100
19 # The maximum number of iterations
20 max_iter: 10000
21 # snapshot intermediate results
22 snapshot: 5000
23 snapshot_prefix: "examples/mnist/lenet"
24 # solver mode: CPU or GPU
25 solver_mode: CPU

5. 训练

首先了解

build/tools/caffe.bin

的用法，如下所示：

yqtao@yqtao:~/caffe$ ./build/tools/caffe.bin
caffe.bin: command line brew
usage: caffe <command> <args>

commands:
train           train or finetune a model
test            score a model
device_query    show GPU diagnostic information
time            benchmark model execution time

Flags from tools/caffe.cpp:
-gpu (Optional; run in GPU mode on given device IDs separated by ','.Use
'-gpu all' to run on all available GPUs. The effective training batch
size is multiplied by the number of devices.) type: string default: ""
-iterations (The number of iterations to run.) type: int32 default: 50
-level (Optional; network level.) type: int32 default: 0
-model (The model definition protocol buffer text file.) type: string
default: ""
-phase (Optional; network phase (TRAIN or TEST). Only used for 'time'.)
type: string default: ""
-sighup_effect (Optional; action to take when a SIGHUP signal is received:
snapshot, stop or none.) type: string default: "snapshot"
-sigint_effect (Optional; action to take when a SIGINT signal is received:
snapshot, stop or none.) type: string default: "stop"
-snapshot (Optional; the snapshot solver state to resume training.)
type: string default: ""
-solver (The solver definition protocol buffer text file.) type: string
default: ""
-stage (Optional; network stages (not to be confused with phase), separated
by ','.) type: string default: ""
-weights (Optional; the pretrained weights to initialize finetuning,
separated by ','. Cannot be set simultaneously with snapshot.)
type: string default: ""

则进行训练的命令为：

//执行命令 ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

其中

solver=examples/mnist/lenet_solver.prototxt

为指定的超参数文件。

运行部分结果如下：

I0311 17:43:26.273123 16205 sgd_solver.cpp:106] Iteration 9900, lr = 0.00596843
I0311 17:43:34.746616 16205 solver.cpp:454] Snapshotting to binary proto file examples/mnist/lenet_iter_10000.caffemodel
I0311 17:43:34.758142 16205 sgd_solver.cpp:273] Snapshotting solver state to binary proto file examples/mnist/lenet_iter_10000.solverstate
I0311 17:43:34.799706 16205 solver.cpp:317] Iteration 10000, loss = 0.00373883
I0311 17:43:34.799777 16205 solver.cpp:337] Iteration 10000, Testing net (#0)
I0311 17:43:40.162556 16205 solver.cpp:404]     Test net output #0: accuracy = 0.9914
I0311 17:43:40.162638 16205 solver.cpp:404]     Test net output #1: loss = 0.0260208 (* 1 = 0.0260208 loss)
I0311 17:43:40.162645 16205 solver.cpp:322] Optimization Done.
I0311 17:43:40.162649 16205 caffe.cpp:254] Optimization Done.

可以看到，最终的训练模型的权值保存在

examples/mnist/lenet_iter_10000.caffemodel

训练的状态保存在

examples/mnist/lenet_iter_10000.solverstate

6. 验证

执行下面的命令，指定命令

test

,参数网络定义的位置和权值的位置即可。

yqtao@yqtao:~/caffe$ ./build/tools/caffe.bin test \
> -model examples/mnist/lenet_train_test.prototxt \
> -weights examples/mnist/lenet_iter_10000.caffemodel \
> -iterations 100

运行结果如下：

0311 17:49:28.120023 16423 caffe.cpp:308] Batch 96, accuracy = 0.97
I0311 17:49:28.120096 16423 caffe.cpp:308] Batch 96, loss = 0.0561079
I0311 17:49:28.174964 16423 caffe.cpp:308] Batch 97, accuracy = 0.98
I0311 17:49:28.175036 16423 caffe.cpp:308] Batch 97, loss = 0.0847761
I0311 17:49:28.229038 16423 caffe.cpp:308] Batch 98, accuracy = 1
I0311 17:49:28.229110 16423 caffe.cpp:308] Batch 98, loss = 0.00344597
I0311 17:49:28.286336 16423 caffe.cpp:308] Batch 99, accuracy = 1
I0311 17:49:28.286495 16423 caffe.cpp:308] Batch 99, loss = 0.00835868
I0311 17:49:28.286504 16423 caffe.cpp:313] Loss: 0.0260208
I0311 17:49:28.286516 16423 caffe.cpp:325] accuracy = 0.9914
I0311 17:49:28.286526 16423 caffe.cpp:325] loss = 0.0260208 (* 1 = 0.0260208 loss)

最终的精确度为

accuracy = 0.9914

.

7. 总结

转换存储格式(

LMDB/LevelDB

)

定义网络结构（编辑

prototxt

）

定义

solver

（编辑另一个

prototxt

）

学习使用

caffe.bin

命令的使用