前言：本文參考博客denny402
這里簡要的介紹了下如何使用自己準(zhǔn)備的圖片數(shù)據(jù)來訓(xùn)練和測試網(wǎng)絡(luò)旁振。主要的幾個(gè)步驟有帆吻，圖片數(shù)據(jù)轉(zhuǎn)換為lmdb格式，計(jì)算訓(xùn)練數(shù)據(jù)的均值崎苗，sovler文件和網(wǎng)絡(luò)的簡單修改些阅，最后caffe訓(xùn)練伞剑。

數(shù)據(jù)準(zhǔn)備

這里我照搬denny402準(zhǔn)備的數(shù)據(jù)。其中共有5個(gè)類市埋，每個(gè)類100張圖片黎泣，每個(gè)類中用于測試的是20張圖片(編號(hào)0-19)，用于訓(xùn)練的是80張圖片(編號(hào)20-99)缤谎。
首先我在caffe的根目錄下的data目錄新建文件夾my抒倚，將test和train兩個(gè)目錄拷貝到其中。
然后為train和test中的數(shù)據(jù)建立了兩個(gè)txt的列表坷澡，分別是文件路徑名和對應(yīng)的label號(hào)托呕，需要注意的是label號(hào)是從0開始，至4洋访。

testlist.png

//轉(zhuǎn)換訓(xùn)練數(shù)據(jù)
.\bin\convert_imageset.exe
 --shuffle\                      //表示打亂數(shù)據(jù)的順序
 --resize_height=256\
 --resize_width=256 \
 .\data\my\                    //存放train和test文件夾的路徑
 .\data\trainlist.txt         //根據(jù)trainlist.txt讀取圖片
 .\data\img_train_lmdb

//轉(zhuǎn)換測試數(shù)據(jù)
.\bin\convert_imageset.exe
 --shuffle\                      //表示打亂數(shù)據(jù)的順序
 --resize_height=256\
 --resize_width=256 \
 .\data\my\                   
 .\data\testlist.txt         
 .\data\img_test_lmdb

這樣在data文件夾中會(huì)生成img_train_lmdb和img_test_lmdb兩個(gè)文件夾分別保存了lmdb格式的數(shù)據(jù)。

計(jì)算圖片均值

計(jì)算圖片均值使用的是前一步生成的訓(xùn)練數(shù)據(jù)的lmdb求的厌殉。
同樣如果需要使用的compute_image_mean.exe并沒有生成食绿，可以打開該工程，右擊生成即可公罕。生成后器紧，使用下面的命令行得到均值文件。

.\bin\compute_image_mean.exe .\data\img_train_lmdb .\data\mean.binaryproto

這樣就得到了訓(xùn)練數(shù)據(jù)的均值文件mean.binaryproto楼眷。

sovle.prototxt配置文件和train_val.prototxt模型修改

這里拷貝了models\bvlc_reference_caffenet\solver.prototxt和train_val.prototxt铲汪，并在其中簡單修改。

//solver.prototxt
net: "data/train_val.prototxt"
test_iter: 2
test_interval: 50
base_lr: 0.001
lr_policy: "step"
gamma: 0.1
stepsize: 100
display: 20
max_iter: 500
momentum: 0.9
weight_decay: 0.005
solver_mode: GPU

//train_val.prototxt
name: "CaffeNet"
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    crop_size: 227
    mean_file: "data/mean.binaryproto"
  }
  data_param {
    source: "data/img_train_lmdb"
    batch_size: 256
    backend: LMDB
  }
}
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mirror: false
    crop_size: 227
    mean_file: "data/mean.binaryproto"
  }
  data_param {
    source: "data/img_test_lmdb"
    batch_size: 50
    backend: LMDB
  }
}

主要的修改就是test iter和test batchsize罐柳，以及數(shù)據(jù)源的修改掌腰。前者是因?yàn)槲覀兊臄?shù)據(jù)量發(fā)生了改變。另外张吉，在FC這個(gè)layer處也要修改下齿梁，將1000改為5，因?yàn)槲覀冞@里只有5個(gè)類別。

訓(xùn)練和測試

以上最終完成了程序caffe.exe運(yùn)行的準(zhǔn)備勺择，最后在命令行中輸入

.\bin\caffe.exe train -solver=.\data\solver.prototxt

等待程序運(yùn)行結(jié)束后可以查看結(jié)果创南。我這里的accuracy大致為93%。