使用自己的数据集训练网络

Question

我找到了有关如何 train a neural net 的教程。我应该如何使用自己的数据集训练 caffe module。

有一个轴示例 Cats vs Dogs，我很清楚我需要如何处理由两种类型（Dogs 和 Cats）组成的数据。我试着按照他的步骤去做，结果是 caffe module.

然后我想增加类型集，我的意思是，我只训练了 2 类型，现在我想要 19 类型（是的，19 - 不同的对象）培训。

而我发现的问题是我应该如何增加主要选择在咖啡模块中？

这是我发现问题的代码部分：

dog_images = [image for image in os.listdir(DATA_DIR) if 'dog' in image]
cat_images = [image for image in os.listdir(DATA_DIR) if 'cat' in image]

dog_train = dog_images[:int(len(dog_images)*0.7)]
dog_test = dog_images[int(len(dog_images)*0.7):]

cat_train = cat_images[:int(len(cat_images)*0.7)]
cat_test = cat_images[int(len(cat_images)*0.7):]

我不认为如果我有 19 类型，这意味着我需要 19 次来编写这样的代码 (upper)。

此外，我的图片不在不同的文件夹中，我有一个，大约有 4,000 张图片。

Answer 1

您不需要重复该代码 19 次。此代码的唯一目的是创建 'train.txt' 和 'test.txt' 文件，列出您的图像文件和每个图像的标签。
我不知道你是如何组织磁盘上的图像的（你说你有一个包含 4K 图像的文件夹）但你应该能够分辨出每个图像属于 label/class (0..18)。在文件 'train.txt' 和 'test.txt' 中拥有这些列表后，您可以使用工具继续创建训练和验证数据集。

使用自己的数据集训练网络

Working with training a network of own dataset

python

machine-learning

neural-network

deep-learning

caffe