如何利用bing算法训练自己的模型

Posted 2023-03-02

参考技术A 　　在MNIST调用已经训练好的模型，测试。
　　这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。
　　./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0
　　如果没有GPU则使用
　　./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel
　　从上面的指令，对应上图。
　　1、先是test表明是要评价一个已经训练好的模型。
　　2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从mnist下面的train_lenet.sh指定的solver对应于examples/mnist/lenet_solver.prototxt，而lenet_solver.prototxt指定的模型为examples/mnist/lenet_train_test.prototxt。
　　3、然后在指定模型的具体的权重。刚好为examples/mnist/lenet_iter_10000.caffemodel
　　在cifar10模型下面调用已经训练好的模型，测试。
　　同上，是用train_quick.sh训练的。
　　./build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -gpu=0
　　1、先是test表明是要评价一个已经训练好的模型。
　　2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从cifar下面的train_quick.sh指定的solver对应于开始的examples/mnist/lenet_solver.prototxt和4000次以后snapshot的examples/cifar10/cifar10_quick_solver_lr1.prototxt，而这两者指定的模型都为cifar10_quick_train_test.prototxt。
　　3、然后在指定模型的具体的权重。为examples/cifar10/cifar10_quick_iter_5000.caffemodel

手把手写深度学习(13)：如何利用官方预训练模型做微调/迁移学习？（以Resnet50提取图像特征为例）

前言：对于transformer、resnet等网络较深、很难训练的模型，使用官方提供的预训练模型，然后在自己的数据集/应用场景下微调，同样能取得非常棒的效果，也是最省时省力的方法。本文以训练一个resnet50网络来提取图像特征为例，详细说明怎样使用官网预训练模型进行迁移学习，怎样在实际应用场景下使用微调模型。

目录

如何获取官方预训练模型？

如何使用模型中特定层？