最近剛接觸caffe弄了一個caffe多標籤遇到各種蛋疼的問題跟大家分享分享。

一  準備資料這裡用的驗證碼0-9+26個字母字母生成4位數的驗證碼

二  修改caffe原始碼涉及到修改的檔案有 

      caffe.proto ,

      convert_imageset.cpp,

      data_layer.cpp,

      io.cpp,

      data_layer.hpp,

      io.hpp 

      具體修改就不介紹了去下面地址下載修改後的檔案然後替換掉原有caffe中的

      檔案下載地址：https://pan.baidu.com/s/1eSP1RUi

      這裡我們理解一下，caffe原本不支援多標籤分類任務，這裡的主要修改是為了是的caffe支援多標籤分類，我們知道caffe的label原版指定的是整數型且只有１個，看caffe.proto裡面寫的：Datum就是我們的資料層，那麼資料層的label是int32，這就限制了資料label的輸入必須是一個整數，那麼修改他的起點就是從proto裡面開始，加一個labels，陣列型別

修改完了然後接著修改caffe使用Datum部分程式碼，實現對labels的支援

最後修改convert_imageset.cpp，讓他實現對例如如下：

imgs/abc.jpg 1 2 3 4 5

這種型別的多標籤做支援

最終完成這次修改，再編譯一遍就好了

三   製作資料標籤

       圖片路徑 + 對應的標籤   samples/MYL1.bmp 22 34 21 1

四   寫個多分類網路

     結構如下:

1. name:"LeNet"
2. layer{
3.  name:"mnist"
4.  type:"Data"
5.  top:"data"
6.  top:"label"
7.  include{
8.    phase: TRAIN
9. }
10.  transform_param{
11.    scale:0.003921568627451
12. }
13.  data_param
    {
14.    source:"train_lmdb"
15.    batch_size:64
16.    backend: LMDB
17. }
18. }
19. layer{
20.  name:"mnist"
21.  type:"Data"
22.  top:"data"
23.  top:"label"
24.  include{
25.    phase: TEST
26. }
27.  transform_param{
28.    scale:0.003921568627451
29. }
30.  data_param{
31.    source:"val_lmdb"
32.    batch_size:64
33.    backend: LMDB
34. }
35. }
36. layer{
37.  name:"conv1"
38.  type:"Convolution"
39.  bottom:"data"
40.  top:"conv1"
41.  param{
42.    lr_mult:1
43. }
44.  param{
45.    lr_mult:2
46. }
47.  convolution_param{
48.    num_output:128
49.    kernel_size:7
50.    stride:1
51.    weight_filler{
52.      type:"xavier"
53. }
54.    bias_filler{
55.      type:"constant"
56. }
57. }
58. }
59. layer{
60.  name:"pool1"
61.  type:"Pooling"
62.  bottom:"conv1"
63.  top:"pool1"
64.  pooling_param{
65.    pool: MAX
66.    kernel_size:2
67.    stride:2
68. }
69. }
70. layer{
71.  name:"conv2"
72.  type:"Convolution"
73.  bottom:"pool1"
74.  top:"conv2"
75.  param{
76.    lr_mult:1
77. }
78.  param{
79.    lr_mult:2
80. }
81.  convolution_param{
82.    num_output:128
83.    kernel_size:5
84.    stride:1
85.    weight_filler{
86.      type:"xavier"
87. }
88.    bias_filler{
89.      type:"constant"
90. }
91. }
92. }
93. layer{
94.  name:"pool2"
95.  type:"Pooling"
96.  bottom:"conv2"
97.  top:"pool2"
98.  pooling_param{
99.    pool: MAX
100.    kernel_size:2
101.    stride:1
102. }
103. }
104. layer{
105.  name:"Relu"
106.  type:"ReLU"
107.  bottom:"pool2"
108.  top:"pool2"
109. }
110. layer{
111.  name:"conv3"
112.  type:"Convolution"
113.  bottom:"pool2"
114.  top:"conv3"
115.  param{
116.    lr_mult:1
117. }
118.  param{
119.    lr_mult:2
120. }
121.  convolution_param{
122.    num_output:128
123.    kernel_size:3
124.    stride:1
125.    weight_filler{
126.      type:"xavier"
127. }
128.    bias_filler{
129.      type:"constant"
130. }
131. }
132. }
133. layer{
134.  name:"Relu2"
135.  type:"ReLU"
136.  bottom:"conv3"
137.  top:"conv3"
138. }
     相關推薦

     caffe多標籤訓練

     最近剛接觸caffe弄了一個caffe多標籤遇到各種蛋疼的問題跟大家分享分享。 一  準備資料這裡用的驗證碼0-9+26個字母字母生成4位數的驗證碼 二  修改caffe原始碼涉及到修改的檔案有        caffe.proto ,       c

     【Caffe】多標籤訓練、人臉屬性多工訓練

     前言 細節有一些問題，我這裡過一遍整個流程，涉及到的問題都會做講解。包括部署問題，最後我也會講講。 正文 將convert_multilabel.cpp放到caffe/tools/目錄下。 修改81行： ‘>>’ should be ‘&g

     基於Inception v3進行多標籤訓練 修正了錯誤並進一步完善了程式碼

     多標籤訓練只適合未修改inception v3網路的情形，不同於遷移學習。本文參考了基於Inception v3進行多標籤訓練  修正了錯誤並進一步完善了程式碼 資料集的準備，假設有3個類，每個類別差不多有50張圖，注意圖片的規模不能太少(一般一個類不小於25張圖)，不然在驗證的時候會

     Caffe 多GPU訓練問題，以及batch_size 選擇的問題

     1. 多GPU訓練時，速度沒有變得更快。 使用多GPU訓練時，每個GPU都會執行一個 Caffe 模型的例項。比如當使用 n n

     caffe多標籤輸入和多工學習

     拷貝convert_imageset，生成新工程convert_imageset_multi_label 修改原始碼 std::ifstream infile(argv[2]); std::vector<std::pair<std::string, std::vector<flo

     基於Inception v3進行多標籤訓練

     一.下載github開原始碼        從github上下載開原始碼，我們可以發現它需要對訓練資料集的圖片以及圖片標籤做一些改變： 1.將所有訓練影象放在一個資料夾中，並在專案根目錄中建立一個包含所有可能標籤的檔案labels.txt。例如： 2.需要為

     Caffe中LMDB介面實現多標籤資料準備及訓練

     有不少部落格講Caffe多標籤輸入的問題，但總覺得講的不夠透徹，在實踐角度上沒有給出詳細的指導，所以本文力求能給出詳細的實踐過程和說明。 Caffe多標籤輸入常用的的方法有以下幾種： 1. 修改Caffe原始碼使其支援多標籤輸入，參考CSDN部落格《

     caffe：contact及slice層用法說明實現多資料、多標籤、多工

     contact解析 Concat層的作用就是將兩個及以上的特徵圖按照在channel或num維度上進行拼接，並沒有eltwise層的運算操作，舉例，如果說在channel維度上進行拼接的話，首先除了channel維度可以不一樣，其餘維度必須一致（也就是num、H、W一致），以Caffe為例，介紹

     caffe實現多標籤分類

     最近在參加一個識別的競賽，專案裡涉及了許多類別的分類，原本打算一個大的類別訓練一個分類模型，但是這樣會比較麻煩，對於同一圖片的分類會重複計算分類網路中的卷積層，浪費計算時間和效率。後來發現現在深度學習中的多工學習可以實現多標籤分類，所有的類別只需要訓練一個分類模型就行，其不同屬性的類別之間是共享卷積層的。我

     Caffe實現多標籤影象分類（1）——基於Python介面實現多標籤影象分類（VOC2012）

     1.前言         Caffe可以通過LMDB或LevelDB資料格式實現影象資料及標籤的輸入，不過這隻限於單標籤影象資料的輸入。由於研究生期間所從事的研究是影象標註領域，在進行影象標註時，每幅影象都是多標籤的，因此在使用Caffe進行遷移學習時需要實現多標籤影象資料

     Caffe 實現多標籤分類 支援Multi-Label的ＬＭＤＢ資料格式輸入

     Caffe自帶的影象轉LMDB介面只支援單label，對於多label的任務，可以使用HDF5的格式，也可以通過修改caffe程式碼來實現，　我的文章Caffe 實現多標籤分類　裡介紹了怎麼通過修改ImageDataLayer來實現Multilabel的任務，　本篇文章介紹

     Caffe 實現多標籤分類

     最近在用Ｃａｆｆｅ做驗證碼識別時，發現沒有用Tensorflow簡單(tensorflow中可以用one-hot, 參考我的另一篇blog:  http://blog.csdn.net/sushiqian/article/details/78305340 )，需要修改Ｃａｆ

     caffe讀取多標籤的lmdb資料

     問題描述： lmdb檔案支援資料+標籤的形式，但是卻只能寫入一個標籤，引入多標籤的解決方法有很多，這兒詳細說一下我的辦法：製作多個data資料，分別加入一個標籤。我的方法只適用於標籤數量較少的情況，標籤數量比較多的話建議修改原始碼支援。下面介紹詳細步驟。以下均以兩個標籤作為介紹。 生成兩個含單標籤的list：

     用Python將多標籤資料存入caffe使用的HDF5&LMDB格式

     最近在進行多標籤的資料轉換，發現直接使用caffe自帶的convert_image不是很方面，就收集了一下用python的處理方法。現整理以備後用。 使用時發現，用python寫入lmdb有個問題，如果事先無法知道資料的大小，那麼分配的儲存空間map_size就不好確定（預

     caffe多工學習之多標籤分類

     最近在參加一個識別的競賽，專案裡涉及了許多類別的分類，原本打算一個大的類別訓練一個分類模型，但是這樣會比較麻煩，對於同一圖片的分類會重複計算分類網路中的卷積層，浪費計算時間和效率。後來發現現在深度學習中的多工學習可以實現

     caffe多工、多標籤

     解決的目標問題：多分類問題，比如車輛的外形和顏色，蘋果的大小和顏色；多工：車牌角點

     [知乎作答]·關於在Keras中多標籤分類器訓練準確率問題

     [知乎作答]·關於在Keras中多標籤分類器訓練準確率問題 本文來自知乎問題 關於在CNN中文字預測sigmoid分類器訓練準確率的問題？中筆者的作答，來作為Keras中多標籤分類器的使用解析教程。   一、問題描述 關於在CNN中文字預測sigmoid分類器訓練

     HDU 4920（杭電多校訓練#5 1010 題） Matrix multiplication(不知道該掛個什麽帽子。。。）

     預處理 ica ref 循環 ring sca esp 題解 code 題目地址：HDU 4920 對這個題簡直無語到極點。。。竟然O（n^3）的復雜度能過。。。。方法有三。。 1：進行輸入優化和輸出優化。。（前提是你的輸入優化不能太搓。。。） 2：利用緩存優化。。詳情

     【鏈表】2017多校訓練3 HDU 6058 Kanade's sum

     iostream ++ 多校 open pos cnblogs names mat play acm.hdu.edu.cn/showproblem.php?pid=6058 【題意】 給定一個排列，計算 【思路】 計算排列A中每個數的貢獻，即對於每個ai,計算有

     【組合數+Lucas定理】2017多校訓練七 HDU 6129 Just do it

     clu sca def opened == cnblogs long 合數 color http://acm.hdu.edu.cn/showproblem.php?pid=6129 【題意】 對於一個長度為n的序列a，我們可以計算b[i]=a1^a2^......^ai，