caffe安装教程windows,caffe使用

　　转载自：https://博客。csdn。net/auto 1993/article/details/71297151

　　从上面的这个博客里面看到一个用计算机编程语言调用网络的代码，然后就试了试，发现了发现不能直接跑通，因此这个博客就主要介绍下这个代码怎么修改。

　　导入syscafferoot=/root/caffe#自己的框架路径sys.path.insert(0，caffe root /python )导入matplotlib。py绘图为PLT from numpy import zeros，a range from math import ceilimport caffe caffe。set _ device(0)咖啡。set _ mode _ GPU()#使用SGDsolver，即随机梯度下降算法，这个要看你解决者文件里，一般不写的话就是sgd #solver=caffe .Adam solver(/root/caffe/examples/mnist/lenet _ solver _ Adam。求解器=caffe .SGD solver(/root/caffe/examples/mnist/lenet _ solver。proto txt )#等价于解决者文件中的max_iter，即最大解算次数硝石=10000 #每隔100次收集一次数据显示=100 #每次测试进行100次解算，10000/100 test_iter=100 #每500次训练进行一次测试(100次解算)，60000/64 test_interval=500 #初始化train _ loss=zeros(int(niter * 1.0/display))test _ loss=zeros(int(niter * 1.0/test _ interval))test _ ACC=zeros(int(niter * 1.0/test _ interval))#迭代0,不计入求解器。步骤(1) #辅助变量_ train _ loss=0；_ test _ loss=0；_accuracy=0 #进行解算对于范围内的值(硝):#进行一次解算求解器。步骤(1) #每迭代一次，训练批量大小张图片_ train _ loss=solver。网。斑点[损失].数据#注意，这里的失败表示你定义网络中失败层使用的名称，原博客中定义该网络使用的是SoftmaxWithLoss if it % display==0:#计算平均列车损失train _ loss[it//display]=_ train _ loss/display _ train _ loss=0 if it % test _ interval==0:for test _ it in range(test _ ITER):#进行一次测试solver.test_nets[0].转发()#计算test loss _ test _ loss=solver。test _ nets[0].斑点[损失].数据#丢失名称和上面的一样# 计算测试准确度_准确度=求解器。test _ nets[0].水滴[准确性]。数据#这里和上面一样需要注意一下# 计算平均测试损失test _ loss[it/test _ interval]=_ test _ loss/test _ ITER #计算平均测试精度test _ ACC[it/test _ interval]=_ accuracy/test _ ITER _ test _ loss=0 _ accuracy=0 #绘制列车损失、测试损失和准确曲线打印 绘制列车损失和测试精度n _，ax1=PLT。支线剧情()ax2=ax1。twinx()#列车损失-绿色ax1。plot(display * arange(len(train_loss))、train _ loss， g) #测试损耗-黄色ax1。plot(test _ interval * arange(len(test_loss))、test _ loss， y) #测试精度-红色ax2。plot(test _ interval * arange(len(test_acc))、test _ ACC， r )ax1。set _ xlabel( iteration )ax1。set _ ylabel( loss )ax2。set _ ylabel(精度)PLT。显示()一定要在框架的根目录下面运行你的计算机编程语言程序，否则就要改路径；

　　生成的图片如下所示：