Surveillance de la formation/processus de validation Caffe
Je suis de formation Caffe Modèle de Référence pour la classification des images.
Mon travail m'oblige à surveiller le processus de formation par le dessin graphique de la précision du modèle après 1000 itérations sur l'ensemble de l'ensemble d'apprentissage et l'ensemble de validation qui a 100K et 50K images respectivement.
Maintenant, Im prenant l'approche naïve, faire des captures après 1000 itérations, exécutez le C++ classififcation code qui lit les raw JPEG de l'image et de l'avant sur le net et la sortie prédite étiquettes. Toutefois, cela prend trop de temps sur ma machine (avec une Geforce GTX 560 Ti)
Est-il un moyen plus rapide que je peux faire pour avoir le graphique de la précision de la capture instantanée sur les deux modèles de formation et de validation des ensembles?
Je pensais à l'aide de LMDB format plutôt que les images raw. Cependant, je ne trouve pas de documentation/code à propos de faire de la classification en C++ à l'aide de LMDB format.
- Pourquoi n'êtes-vous pas à l'aide de CHIFFRES pour vous aider dans le processus de formation? Il a une accumulation de capacités de surveillance.
Vous devez vous connecter pour publier un commentaire.
1) Vous pouvez utiliser le NVIDIA CHIFFRES app pour surveiller vos réseaux. Ils fournissent une interface utilisateur graphique, y compris dataset de préparation, de sélection de modèle, et la courbe d'apprentissage de la visualisation. De plus, ils utilisent un caffe distribution permettant multi-GPU de la formation.
2) Ou, vous pouvez simplement utiliser le journal de l'analyseur à l'intérieur de caffe.
Cela vous permet de vous enregistrer en train de journal dans "lenet_train.journal". Ensuite, à l'aide de:
vous analysez votre train de journal dans deux fichiers csv, contenant de la formation et le test de perte. Vous pouvez ensuite les imprimer en utilisant le script python ci -
Caffe crée des journaux à chaque fois que vous essayez de former quelque chose, et est situé dans le dossier tmp (linux et windows).
J'ai aussi écrit un complot script en python qui vous pouvez facilement l'utiliser pour visualiser votre/de la perte de précision.
Il suffit de placer vos journaux d'entraînement avec
.log
extension à côté du script et double-cliquez dessus.Vous pouvez utiliser l'invite de commande en tant que bien, mais pour la facilité d'utilisation, lorsqu'il est exécuté, il charge tous les journaux (*.journal), il peut se trouver dans le répertoire courant.
il montre également le top 4 des précisions et dont la précision qu'ils ont été atteints.
vous pouvez le trouver ici : https://gist.github.com/Coderx7/03f46cb24dcf4127d6fa66d08126fa3b
commande génère l'erreur suivante:
Solution:
Pour l'exécution réussie de "parse_log.py la commande", nous devrions passer les deux arguments:
Donc le bon de commande se présente comme suit: