명령줄 인터페이스인 cmdcaffe는 모델 교육, 채점 및 진단을 위한 카페 도구입니다. 도움을 위해 어떤 인수없이 카페를 실행합니다. 이 도구 와 다른 카페 / 빌드 / 도구에서 찾을 수 있습니다. (다음 예제 호출에서는 먼저 LeNet/MNIST 예제를 완료해야 합니다.) 설치에 대한 Makefile.config 예제를 복사하고 수정하여 빌드를 구성합니다. 기본값은 작동하지만 Anaconda Python을 사용하는 경우 관련 줄의 주석을 해제합니다. 추가 예제는 예제/bsds500.py에서 찾을 수 있습니다. 네트워크를 시각화하는 것은 내부 작동을 이해하는 데 필수적입니다. 시각화 기법은 네트워크 아키텍처 및 작업에 따라 달라질 수 있지만(예: 비선형 또는 일괄 정규화 전후 의 기능 맵 시각화, 개별 클래스에 대한 점수 시각화, 학습된 커널 및 필터 시각화) 등), 다음 예제에서는 학습된 가중치를 시각화하는 방법을 보여 줍니다. 예를 들어, 전진 패스 후 pool5 피처를 추출하려면 파이카페 및 Matcaffe 인터페이스에는 고유한 자연 요구 사항이 있습니다. 예제에 사용된 데이터는 수동으로 생성하거나, 예제에서 설명서 또는 해당 파일을 보거나 davidstutz/caffe-tools-data에서 다운로드할 수 있습니다.

지난 몇 달 동안, 나는 카페와 여러 번 일해야했다. 이 기사에서는 pyCaffe라는 Caffe의 파이썬 인터페이스에 대한 몇 가지 도구와 예제와 유용한 링크 및 리소스를 공유하고 싶습니다. 논의된 도구 및 예제는 GitHub 그림 1(확대하려면 클릭): MNIST에서 컨볼루션 신경망을 교육할 때 교육 손실(왼쪽), 교육 및 테스트 오류(가운데) 및 레이어 그라데이션(오른쪽)에서 사용할 수 있으며 자세한 내용은 예제/mnist.py를 참조하십시오. 교육 손실 및 레이어 그라데이션은 500회 반복마다 모든 반복, 학습 및 테스트 오류만 보고됩니다. 입력 이미지를 적절하게 사전 처리하기 위해 pyCaffe는 변압기를 제공합니다. 예를 들어 데이터를 $[0,1]$로만 정규화하는 경우 다음과 같이 보일 수 caffe.io 클래스는 기본 입력 함수 load_image 및 read_mean를 제공합니다. 예를 들어 ILSVRC 2012 평균 파일을 읽으려면(./data/ilsvrc12/get_ilsvrc_aux.sh)를 실행하여 imagenet 예제 보조 파일을 다운로드한 것으로 가정합니다. pyCaffe는 사용자 정의 파이썬 레이어를 정의 할 수 있습니다.