- python: Anaconda 3.5 + PyQt5
- caffe: caffe from caffe-py3.5-windows-cpu 放在./caffe里面。结构是./caffe/bin/caffe.exe 和./caffe/python
python main.py 启动主界面
- 选择 load train 打开一个文件夹。文件夹的默认结构是:
--class1
--class1_image1.jpg
--class1_image2.jpg
--class1_image3.jpg
--class2
--class2_image1.jpg
--class2_image2.jpg
--class2_image3.jpg
..................
- 点击build data: 在dataset_namelist/文件中生成train.txt, val.txt 和classes.json,分别是用来训练,测试的数据列表和类别信息。
- 点击start train: 开始训练,根据dataset_namelist/中的train和val进行训练和测试。用的proto是lib/finetune.prototxt, 会根据上一步中的classes.json修改finetune.prototxt和deploy.prototxt中的类别数。log显示在左侧的界面中。生成的model保存在results/文件夹中,log保存在log/文件夹中。
- 点击stop train: 终止训练
python main.py 启动主界面
- 选择左侧的load test打开一个需要预测的图像。 会调用lib/deploy.prototype作为proto,results/文件中最近更新的*.caffemodel作为weight,dataset_namelist/classes.json作为类别信息,预测结果现在选了top-5显示。