我想用python接口训练一个caffe网络。 这背后的主要原因是我使用了几个Tbs数据的多维输入,我不想将所有这些转换为LMDB并进行训练。
我找到了这个one answer on stack overflow.
但是他立刻加载了这个完整的数据,并初始化了权重。
我想将数据加载到numpy,然后将其传递给caffe。
每1000次迭代,将caffemodel的权重保存到.caffemodel
文件中。
print_network() get_accuracy() & load_data()
非常有用。并且给了我一个很好的内心。
答案 0 :(得分:0)
除了使用PythonLayer
之外,您可以做的一件事就是使用MemoryData
图层,并在需要经过多次迭代后,使用solver.net.set_input_arrays(your_data)
一次输入每批数据一批数据。
请记住,您始终可以使用快照中的.solverstate
文件恢复训练状态。