日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

caffe的python接口生成solver文件詳解學習_python

作者：denny402 ? 更新時間： 2022-08-21 編程語言

solver.prototxt的文件參數設置

caffe在訓練的時候，需要一些參數設置，我們一般將這些參數設置在一個叫solver.prototxt的文件里面，如下：

base_lr: 0.001
display: 782
gamma: 0.1
lr_policy: “step”
max_iter: 78200
momentum: 0.9
snapshot: 7820
snapshot_prefix: “snapshot”
solver_mode: GPU
solver_type: SGD
stepsize: 26067
test_interval: 782
test_iter: 313
test_net: “/home/xxx/data/val.prototxt”
train_net: “/home/xxx/data/proto/train.prototxt”
weight_decay: 0.0005

有一些參數需要計算的，也不是亂設置。

假設我們有50000個訓練樣本，batch_size為64，即每批次處理64個樣本，那么需要迭代50000/64=782次才處理完一次全部的樣本。我們把處理完一次所有的樣本，稱之為一代，即epoch。所以，這里的test_interval設置為782，即處理完一次所有的訓練數據后，才去進行測試。如果我們想訓練100代，則需要設置max_iter為78200.

同理，如果有10000個測試樣本，batch_size設為32，那么需要迭代10000/32=313次才完整地測試完一次，所以設置test_iter為313.

?學習率變化規律我們設置為隨著迭代次數的增加，慢慢變低。總共迭代78200次，我們將變化lr_rate三次，所以stepsize設置為78200/3=26067，即每迭代26067次，我們就降低一次學習率。?

生成solver文件

下面是生成solver文件的python代碼，比較簡單：

# -*- coding: utf-8 -*-
"""
Created on Sun Jul 17 18:20:57 2016
@author: root
"""
path='/home/xxx/data/'
solver_file=path+'solver.prototxt'     #solver文件保存位置
sp={}
sp['train_net']=‘“'+path+'train.prototxt”'  # 訓練配置文件
sp['test_net']=‘“'+path+'val.prototxt”'     # 測試配置文件
sp['test_iter']='313'                  # 測試迭代次數
sp['test_interval']='782'              # 測試間隔
sp['base_lr']='0.001'                  # 基礎學習率
sp['display']='782'                    # 屏幕日志顯示間隔
sp['max_iter']='78200'                 # 最大迭代次數
sp['lr_policy']='“step”'                 # 學習率變化規律
sp['gamma']='0.1'                      # 學習率變化指數
sp['momentum']='0.9'                   # 動量
sp['weight_decay']='0.0005'            # 權值衰減
sp['stepsize']='26067'                 # 學習率變化頻率
sp['snapshot']='7820'                   # 保存model間隔
sp['snapshot_prefix']=‘"snapshot"'       # 保存的model前綴
sp['solver_mode']='GPU'                # 是否使用gpu
sp['solver_type']='SGD'                # 優化算法
def write_solver():
    #寫入文件
    with open(solver_file, 'w') as f:
        for key, value in sorted(sp.items()):
            if not(type(value) is str):
                raise TypeError('All solver parameters must be strings')
            f.write('%s: %s\n' % (key, value))
if __name__ == '__main__':
    write_solver()

?執行上面的文件，我們就會得到一個solver.prototxt文件，有了這個文件，我們下一步就可以進行訓練了。

當然，如果你覺得上面這種鍵值對的字典方式，寫起來容易出錯，我們也可以使用另外一種比較簡便的方法，沒有引號，不太容易出錯，如下:

簡便的方法

# -*- coding: utf-8 -*-
from caffe.proto import caffe_pb2
s = caffe_pb2.SolverParameter()
path='/home/xxx/data/'
solver_file=path+'solver1.prototxt'
s.train_net = path+'train.prototxt'
s.test_net.append(path+'val.prototxt')
s.test_interval = 782  
s.test_iter.append(313) 
s.max_iter = 78200 
s.base_lr = 0.001 
s.momentum = 0.9
s.weight_decay = 5e-4
s.lr_policy = 'step'
s.stepsize=26067
s.gamma = 0.1
s.display = 782
s.snapshot = 7820
s.snapshot_prefix = 'shapshot'
s.type = “SGD”
s.solver_mode = caffe_pb2.SolverParameter.GPU
with open(solver_file, 'w') as f:
    f.write(str(s))

訓練模型（training)

?如果不進行可視化，只想得到一個最終的訓練model, 那么代碼非常簡單，如下 :

import caffe
caffe.set_device(0)
caffe.set_mode_gpu()
solver = caffe.SGDSolver('/home/xxx/data/solver.prototxt')
solver.solve()

原文鏈接：https://www.cnblogs.com/denny402/p/5679154.html

欄目分類
最近更新