Caffe 自定义训练

以下都是类比官方指南去处理自己的图片和model：
http://caffe.berkeleyvision.org/gathered/examples/imagenet.html

前期处理

首先，整理一下自己的图片，把格式统一。
然后，如果有强迫症的话（比如我），可以把图片转换成 名字+序号的样子，当然不这么做也无大碍，就是难看些。

train.txt和val.txt的生成

这个shell会生成示例的train.txt 和val.txt,你只需要仿照它类似生成格式为：文件名+标签 的文件

./data/ilsvrc12/get_ilsvrc_aux.sh

生成lmdb文件

仿写：examples/imagenet/create_imagenet.sh

首先，需要在data下创建你的文件夹xxx，里面包含文件夹train(含有用作train的图片),val（含有用作validation的图片)，train.txt和val.txt
然后，把DATA修改成data/xxx; TRAIN_DATA_ROOT=data/xxx/train; VAL_DATA_ROOT=data/xxx/val
最后在example创建同名xxx并把create_xxx.sh放在里面

Ps 记得把图片resize一下
运行之后便会在examples/xxx/中生成对应的lmdb文件

执行

./examples/xxx/create_xxx.sh

生成mean文件

类比：make_imagenet_mean.sh 与上面修改并执行，在DATA中生成相应的mean文件

EXAMPLE=examples/imagenet
DATA=data/ilsvrc12
TOOLS=build/tools

$TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb \
  $DATA/imagenet_mean.binaryproto

echo "Done."

执行

./examples/xxx/make_xxx_mean.sh

train

OG是以models/bvlc_reference_caffer为示例，在这个文件夹下修改sovler.prototxt和train_val.txt即可，这里没什么难点就不赘述了。

执行

    ./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt

如果一次执行不完，可以继续模型

./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt --snapshot=models/bvlc_reference_caffenet/caffenet_train_iter_10000.solverstate

仿照以上流程很容易就可以DIY了