我想用 python 接口(interface)训练一个 caffe 网络。 这背后的主要原因是我使用了几 Tb 数据的多维输入,并且我不想将所有这些转换为 LMDB 并对其进行训练。
我找到了这个one answer on stack overflow.
但是他立即加载了完整的数据并初始化了权重。
我想将数据加载到 numpy,然后将其传递给 caffe。
并每 1000 次迭代将 caffemodel 的权重保存到 .caffemodel
文件中。
print_network() get_accuracy() 和 load_data()
非常有用。并给了我一个良好的内心。
最佳答案
除了使用 PythonLayer
之外,您还可以使用 MemoryData
层并使用 solver.net.set_input_arrays 一次输入每批数据(your_data)
之后,需要多次迭代才能处理一批数据。
请记住,您始终可以使用快照中的 .solverstate
文件恢复训练状态。
关于python - 在 python 包装器 caffe 上训练网络?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37522852/