将 caffe 与 c++ 或 python 连接时出现问题
Issues while interfacing caffe with c++ or python
我读到的有关教程的内容是，您创建数据，然后使用 protobuf 编写模型，然后编写求解器文件。最后，您训练模型并获得生成的文件。所有这些都是通过命令行完成的。现在有两个问题
1) 假设我现在有生成的模型，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从某种语言（c++，python）完成？
2) 我想上面是一种方法。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 与我的代码连接起来，但我找不到一个简短的教程来逐步指导我在任何数据库上使用 mnist 并且模型不需要像 LeNet 一样复杂，但是简单的全连接层也可以。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来使用 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训练。参见 this tutorial。
一旦你训练了一个模型并且你有一个 myModel.caffemodel 文件（一个二进制文件存储不同层的 wights）和一个 deploy.prototxt 文件（一个描述你的网络的文本文件），你可以使用python接口对图片进行分类。
您可以 运行 python 编写脚本 classify.py to classify image(s) from command line. This script wraps around classifier.py - 一个 python 包含经过训练的网络并允许您在 python 中执行前向传递的对象。
我读到的有关教程的内容是，您创建数据，然后使用 protobuf 编写模型，然后编写求解器文件。最后，您训练模型并获得生成的文件。所有这些都是通过命令行完成的。现在有两个问题
1) 假设我现在有生成的模型，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从某种语言（c++，python）完成？
2) 我想上面是一种方法。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 与我的代码连接起来，但我找不到一个简短的教程来逐步指导我在任何数据库上使用 mnist 并且模型不需要像 LeNet 一样复杂，但是简单的全连接层也可以。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来使用 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训练。参见 this tutorial。
一旦你训练了一个模型并且你有一个 myModel.caffemodel 文件（一个二进制文件存储不同层的 wights）和一个 deploy.prototxt 文件（一个描述你的网络的文本文件），你可以使用python接口对图片进行分类。
您可以 运行 python 编写脚本 classify.py to classify image(s) from command line. This script wraps around classifier.py - 一个 python 包含经过训练的网络并允许您在 python 中执行前向传递的对象。