[基于GD32F350RB的音频识别器] 4.使用Caffe2构建训练平台

北方

[基于GD32F350RB的音频识别器] 4.使用Caffe2构建训练平台 [复制链接]

1. 正如文前所述，这个NN模型如果跑起来，前期的准备工作确实有些大。范例中选择了手写数字识别，这个是在多人的工作基础上的总结。而且这么模型是在多个深度学习引擎都实现的标准例子。
那么，如果需要搭建自己的模型，首先就是要搭建这个计算图，然后才是输入数据进行训练，然后输出训练集的过程。问题是这个深度计算模型的进展和更新比学习的还要快得多，就版本还没搞通，新版本就有了很大的更新。
这个在范例中引用的caffe模型就可以看出来，采用更新的caffe2，和caffe是最接近的，那么输入的数据已经有很多不同了。具体的caffe中，layer和weight等是独立的，但是caffe2中结合起来成了新的数据格式bolb。所以训练后，还要分离出来，才能用在这个原始的数据中。
最流行的tensorflow其实给用户开的是傻瓜窗口，连计算图都不用自己定义了，直接给一个缺省的，那么在导入到低级的硬件上就太难了。
然鹅，caffe2又要被整合到pytorch1.0中去，那么，最好就从pytorch的使用开始。
具体哪个深度学习的框架更好就是一个有些太深的知识坑，搞硬件的最好直接跳过。
2. Pytorch安装
2.1 最好用，出问题最少的就是用anaconda环境安装，这样会在兼容性上提前进行检查。

1. conda install pytorch-cpu -c pytorch
   
2. pip3 install torchvision

复制代码

这样分别安装了pytorch的无GPU版本，以及图形化的torchvision。
进入下述反馈，就说明没有问题。可以安装成功了。现在显示的还是0.4.1版本的。Pytorch1.0还要等等才能发出。


2.2 测试一下

1. from __future__ import print_function
   
2. import torch
   
3. x = torch.rand(5, 3)
   
4. print(x)

复制代码

英尚微电子