代码拉取完成,页面将自动刷新
LeNet是1998年提出的一种典型的卷积神经网络。它被用于数字识别并取得了巨大的成功。
论文: Y.Lecun, L.Bottou, Y.Bengio, P.Haffner.Gradient-Based Learning Applied to Document Recognition.Proceedings of the IEEE.1998.
LeNet非常简单,包含5层,由2个卷积层和3个全连接层组成。
使用的数据集:MNIST
数据集大小:52.4M,共10个类,6万张 28*28图像
数据格式:二进制文件
目录结构如下:
└─Data
├─test
│ t10k-images.idx3-ubyte
│ t10k-labels.idx1-ubyte
│
└─train
train-images.idx3-ubyte
train-labels.idx1-ubyte
通过官方网站安装MindSpore后,您可以按照如下步骤进行训练和评估:
# 进入脚本目录,训练LeNet
sh run_standalone_train_ascend.sh [DATA_PATH] [CKPT_SAVE_PATH]
# 进入脚本目录,评估LeNet
sh run_standalone_eval_ascend.sh [DATA_PATH] [CKPT_NAME]
├── cv
├── lenet
├── README.md // Lenet描述
├── requirements.txt // 需要的包
├── scripts
│ ├──run_standalone_train_cpu.sh // CPU训练
│ ├──run_standalone_train_gpu.sh // GPU训练
│ ├──run_standalone_train_ascend.sh // Ascend训练
│ ├──run_standalone_eval_cpu.sh // CPU评估
│ ├──run_standalone_eval_gpu.sh // GPU评估
│ ├──run_standalone_eval_ascend.sh // Ascend评估
├── src
│ ├──dataset.py // 创建数据集
│ ├──lenet.py // Lenet架构
│ ├──config.py // 参数配置
├── train.py // 训练脚本
├── eval.py // 评估脚本
train.py和config.py中主要参数如下:
--data_path: 到训练和评估数据集的绝对全路径
--epoch_size: 训练轮次数
--batch_size: 训练批次大小
--image_height: 输入到模型的图像高度
--image_width: 输入到模型的图像宽度
--device_target: 代码实施的设备可选值为"Ascend"、"GPU"、"CPU"
--checkpoint_path: 训练后保存的检查点文件的绝对全路径
--data_path: 数据集所在路径
python train.py --data_path Data --ckpt_path ckpt > log.txt 2>&1 &
# or enter script dir, and run the script
sh run_standalone_train_ascend.sh Data ckpt
训练结束,损失值如下:
# grep "loss is " log.txt
epoch:1 step:1, loss is 2.2791853
...
epoch:1 step:1536, loss is 1.9366643
epoch:1 step:1537, loss is 1.6983616
epoch:1 step:1538, loss is 1.0221305
...
模型检查点保存在当前目录下。
在运行以下命令之前,请检查用于评估的检查点路径。
python eval.py --data_path Data --ckpt_path ckpt/checkpoint_lenet-1_1875.ckpt > log.txt 2>&1 &
# or enter script dir, and run the script
sh run_standalone_eval_ascend.sh Data ckpt/checkpoint_lenet-1_1875.ckpt
您可以通过log.txt文件查看结果。测试数据集的准确性如下:
# grep "Accuracy:" log.txt
'Accuracy':0.9842
参数 | LeNet |
---|---|
资源 | Ascend 910; CPU:2.60GHz,192核;内存:755G |
上传日期 | 2020-06-09 |
MindSpore版本 | 0.5.0-beta |
数据集 | MNIST |
训练参数 | epoch=10, steps=1875, batch_size = 32, lr=0.01 |
优化器 | Momentum |
损失函数 | Softmax交叉熵 |
输出 | 概率 |
损失 | 0.002 |
速度 | 1.70毫秒/步 |
总时长 | 43.1秒 |
微调检查点 | 482k (.ckpt文件) |
脚本 | https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/lenet |
在dataset.py中,我们设置了“create_dataset”函数内的种子。
请浏览官网主页。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。