le alexnet.py (ainsi que les autres fichiers Python dans les exemples/image/classification dossier symboles) renvoie uniquement des symboles qui représentent le réseau.
d'abord télécharger et décompressez votre ensemble de données:
/mxnet/example/image-classification/data# wget http://www.image-net.org/image/whatever-zip-or-tar-file
/mxnet/example/image-classification/data# unzip whatever-zip-or-tar-file
format de données Convertir Recordio:
/mxnet/example/image-classification/data# python ../../../tools/im2rec.py --list True --recursive True --train-ratio 0.95 mydata tiny-imagenet-200
/mxnet/example/image-classification/data# python ../../../tools/im2rec.py --num-thread 16 mydata tiny-imagenet-200
Utilisez script train_imagenet.py pour former sur alexnet (vous pouvez passer à l'un des autres symboles si vous le souhaitez):
/mxnet/example/image-classification/data# cd ..
/mxnet/example/image-classification# python train_imagenet.py --network alexnet --data-train /mxnet/example/image-classification/data/mydata_train.rec --data-val /mxnet/example/image-classification/data/mydata_val.rec --num-layers 110 --batch-size 64 --gpus 0
Consultez la README pour plus d'informations les détails.
[alexnet.py] (https://github.com/dmlc/mxnet/blob/master/example/image-classification/symbols/alexnet.py) ne contient qu'une fonction donc évidemment, elle ne fait rien quand invoqué directement. Je n'ai pas utilisé mxnet auparavant mais selon le [readme] (https://github.com/dmlc/mxnet/blob/master/example/image-classification/README.md) vous pouvez essayer de former un resnet sur [cifar10 ] (https://www.cs.toronto.edu/~kriz/cifar.html) jeu de données en appelant: 'python train_cifar10.py --network resnet --num-layers 110 --batch-size 128 --gpus 0 ' –