×

签到

分享到微信

打开微信,使用扫一扫进入页面后,点击右上角菜单,

点击“发送给朋友”或“分享到朋友圈”完成分享

【学习经验分享】基于 DLP 平台实现图像分类 SHOU-Cyz2022-06-30 14:54:45 回复 查看 经验交流 高校课程
【学习经验分享】基于 DLP 平台实现图像分类
分享到:

通过这个实验可以帮助我们巩固卷积神经网络的设计原理,比如通过pycnml库实现卷积、ReLU等网络基本模块、分析VGG19网络、分析DLP和CPU运行VGG19网络时进行图像分类的功能等。同时还可以帮助我们熟练掌握 pycnml 库提供的 Python 接口将 VGG19 网络模型移植到 DLP 上从而实现图像分类。


DLP的开始界面有多种组合可供选择。 在“1.选择模型类型”下选择“Classification”,然后在“2.选择数据类型”下选择“Image”,然后点击“Continue”转到分类数据处理模块。首先让我们熟悉一下这个界面的主要部分:

1. 导航栏:包含DLP中不同模块的控件,以及一个工具栏,工具栏中包含设置按钮、以及链接到DLP网站页面的按钮等。

2. 功能栏:包含处理分类图像数据的所有功能按钮。

3. 可视化区域:图像显示区域。

4. 类别设置:包含分类任务定义的类别信息以及每个类别的图像数量。

5. 图像设置:包含图像数据的可配置参数。

现在我们已经熟悉了界面,让我们开始使用分类数据处理模块。

3. 设定工作路径

设定工作路径是一个非常良好的习惯。在正式开展分类任务之前,点击“SetDir”按钮,选择一个文件夹作为工作路径,之后在DLP里导入或导出数据都将会以此路径作为默认起始路径。

4. 添加类别和图像

DLP用一种非常简单直观的方式来可视化和组织数据集。在功能栏里点击“AddClass”,Class Setting面板下的可编辑标签区域将显示在类别名称文本框中输入类别名称“Top”,每个类别名称和相应的删除图标之间都有一个数字,该数字表示每个类别的图像数量。由于尚未给指定类别添加图像,因此现在每个类别都具有0张图片。接下来添加图片,首先单击标签区域前面的黄色按钮,然后在功能栏里单击“AddImg”,在弹出的文件选择器中导航到电脑中包含与特定标签对应的图像文件夹(也可多选或单选对应图片)。例如,要添加对应于标签“Top”的图像,在fashion_mnist_data文件夹内导航到:/ training / 0,然后选中“0”文件夹。

5. 图像设置

在“Image Setting”面板下,输入数据集名称,将输出尺寸选项设置为28x28,将图像类型设置为灰度(因为我们正在处理28x28灰度图像)。为ImageEncode选择PNG,表明处理编码为png格式的28x28灰度图像;为BackEnd选择LMDB,表明在图像格式转化的时候以lmdb格式存储;将测试集所占总数据集的比重设为25%;勾选shuffle和MeanFile,表明将数据进行混洗并生成均值文件,并将均值文件命名为“mean28x28.binaryproto”。

一旦定义了图像设置参数,就可以通过单击功能栏上的“Preview”来预览图片。在可视化区域中,图像大小更改为与“Image Setting”面板中定义的图像大小相匹配。

6. 数据导出、导入、和转换

至此,数据集已完成整理。

如果电脑尚未配置Caffe,可将整理后的数据集导出至本地。点击功能栏中的“Export”按钮,会弹出一个文件选择器,输出文件名称会自动变更为数据集的名称。点击“Save”,所有的图片数据会被导出至所选文件夹。



版权所有 © 2024 寒武纪 Cambricon.com 备案/许可证号:京ICP备17003415号-1
关闭