Caffe補足情報②「Caffeのチュートリアル」

Caffe補足情報②「Caffeのチュートリアル」

ディープラーニングライブラリ「Caffe」のチュートリアルについて紹介します。

Caffeに付随しているサンプルデータや学習済みデータを取り込んで、基本的な画像認識方法について確認できます。

■MNIST(手書き数字データ)編---MNIST用トレーニング環境で自動認識

MNIST用トレーニング環境で、トレーニングを行なう手順について解説しています。

解説テーマ

(1) MNISTデータをダウンロード
(2) トレーニング用データを作成
(3) トレーニング開始
(4) トレーニング実行中
(5) トレーニング終了

ページリンク

→MNISTやってみる！Neural Networksによる自動認識に挑戦！　→(20) CaffeでMNIST自動認識(その1)

■MNIST(手書き数字データ)編---学習後にJPEG画像認識

公式情報をベースにしてMNISTの学習をさせた後、学習したネットワークを使って、MNISTのJPEG画像を認識させる手順を解説しています。

解説テーマ

・MNISTのデータベース(手書き文字)を認識させる
・MNISTの学習をさせる
・学習されたMNISTのネットワークで実際にどう認識されるか確かめてみる
・データベースをJPEGにして認識対象をわかりやすくする
・画像をネットワークに与えて、結果を見てみる

ページリンク

→Qiita　→素人がCaffeを使ってDeepLearningしてみた(実践編)

■MNIST(手書き数字データ)編---学習中に精度が上がっていく様子をプロット

MNIST学習時に出力されるログファイルを使用して、精度をプロットする手順について解説しています。

解説テーマ

・MNISTの学習
・精度のプロット

ページリンク

→下丸子のコネクショニスト　→CaffeでMNISTを学習した経過をプロットしてみた

■CIFAR10(物体認識)編---サンプル実行

CIFAR10(物体認識)サンプルを使用して、学習と分類テストを行う手順を解説しています。

解説テーマ

・Runtest
・サンプルをダウンロード
・学習
・分類テスト

ページリンク

→櫻朔　→CaffeでDeep Learning (2)

■「Imagenet」学習パラメータ編

GitHub Gistに投稿されているチュートリアルです。

ネット上に公開されている「Imagenet」の学習パラメータを使用して、Python経由で特徴ベクトルを取り出す方法について説明しています。

「特徴ベクトル抽出方法」や「パラメータ学習方法」について理解を深めることができます。

解説テーマ

・Anacondaのインストール
・Imagenetの学習パラメータのダウンロード
・Python上での特徴ベクトル取り出し
・predict()とoversampleオプションの取り扱いについて
・平均画像の取り扱いについて
・サンプルコード
・データセットの作成
・平均画像の作成
・パラメータの調整
・CNNの学習
・Transfer learning

ページリンク

→GitHub Gist　→Caffe tutorial