从VGG中提取特征
问题描述:
我想使用微调的VGG-19网络从MS COCO数据集中的图像中提取特征。从VGG中提取特征
然而,每个图像大约需要6到7秒,每1k图像大约需要2个小时。 (对于其他微调模型甚至更长)
MS COCO数据集中有120k图像,所以它至少需要10天。
有什么办法可以加快特征提取过程吗?
答
那么,这不仅仅是一个命令。首先,您必须检查您的GPU是否足够强大,足以与深度CNN摔跤。了解你的GPU模型可以回答这个问题。其次,您必须在Makefile.config(或CMakeLists.txt)中编译和构建带有CUDA和启用GPU(CPU_Only禁用)的Caffe框架。
通过所有必需的步骤(安装Nvidia驱动程序,安装CUDA等),您可以构建caffe以供GPU使用。然后通过在命令行中传递GPU_Device_ID,您可以从它们提供的速度中受益。
跟随this使用GPU构建Caffe的链接。
希望它可以帮助
答
这IPython的笔记本例子解释步骤提取特征任何朱古力模型的非常好:https://github.com/BVLC/caffe/blob/master/examples/00-classification.ipynb
在pycaffe,你可以简单地通过使用caffe.set_mode_gpu设置GPU模式() 。
您使用的是GPU吗? – Shai
使用CPU_Only和多核处理,单个图像平均需要0.7〜1.2(预取会导致更快的处理)秒。没有办法减少计算时间,因为这是GPU实现自己命运的地方。 – Saeed
@Shai我不确定如何使用gpu进行特征提取,因为它是通过命令完成的:./build/tools/extract_features.bin caffemodel -file prototxt -file fc7 dest_dir #batch lmdb有没有一种方法可以启用gpu的命令? – ytrewq