我对这些教程的了解是，先创建数据，然后使用protobuf编写模型，然后编写求解器文件。最后，您训练模型并得到生成的文件。所有这些都是通过命令行完成的。现在有两个问题
1）假设我现在拥有生成的模型，该如何加载不在测试文件夹中的新图像并执行前向传递。应该通过命令行还是通过某种语言（C ++，Python）来完成？
2）我猜上面是做到这一点的一种方法。训练分类器的最佳方法是什么（命令行训练/或通过编码），以及如何在代码中使用生成的模型文件（训练后）。
我想将caffe与我的代码接口，但是我找不到一个简短的教程，该教程将逐步为我提供有关mnist的任何数据库的信息，并且该模型不必像LeNet一样复杂，但是一个简单的Fully Connected层就可以也做。但是谁能告诉我如何使用C ++或python编写简单的代码并从头开始训练任何数据集。
用于训练分类器并使用它使用caffe预测新数据的示例C ++ / python代码也将受到赞赏。
最好使用命令行进行培训。请参阅本教程。
训练模型后，您将拥有一个myModel.caffemodel文件（一个存储不同层的文件的二进制文件）和一个deploy.prototxt文件（描述您的网络的文本文件），您可以使用python接口对图像进行分类。
您可以运行python脚本从命令行classify.py对图像进行分类。该脚本环绕classifier.py-一个python对象，该对象拥有训练有素的网络，并允许您在python中执行前向传递。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句