从VGG中提取特征

Question

我想从MS数据集中的图像中提取特征，使用一个微调的VGG-19网络。

然而，它需要6~7秒每幅图像，大约2小时每1k图像。(对于其他微调车型来说，时间更长)

在中有120 k图像，所以至少需要10天。

有什么办法可以加快特征提取过程吗？

Answer 1

这不仅仅是个命令。首先，您必须检查您的GPU是否足够强大到足以与深度CNN搏斗。知道你的GPU模型可以回答这个问题。

其次，您必须在CPU_Only(或CMakeLists.txt)中编译和构建具有CUDA和GPU启用(禁用CMakeLists.txt)的Caffe框架。

通过所有必要步骤(安装Nvidia驱动程序，安装CUDA等)你可以为GPU的使用而建咖啡豆。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获益。

按照这链接构建使用GPU的Caffe。

希望它能帮上忙

Answer 2

这个ipython笔记本示例很好地解释了从任何caffe模型中提取特性的步骤：https://github.com/BVLC/caffe/blob/master/examples/00-classification.ipynb

在pycaffe中，您可以使用caffe.set_mode_gpu()简单地设置gpu模式。