Caffe教程：训练自己的网络结构来分类。

本站的内容是训练自己的网络结构来分类鸟和狗。

1.准备自己的数据集。

       1.1  在caffe的data文件夹下面建立一个myself文件夹。在myself文件夹下面建立train和test文件夹。

 

       1.2 百度下载10张鸟的图片和10张狗的图片最为训练集。再下载4张鸟的图片和4张狗的图片最为验证集。（只是为了给大家演示一下就没有弄太多的数据集）。对训练集图片进行顺序编号dog1.jpeg，dog2.jpeg .... dog10.jpeg。bird1.jpeg  bird2.jpeg ...  bird10.jpeg。对验证集的图片进行编号 dog1.jpeg，dog2.jpeg .... dog4.jpeg。bird1.jpeg  bird2.jpeg ...  bird4.jpeg。 将训练集图片复制到train文件夹下面。验证集图片复制到test文件夹下面。

       1.3 在myself文件夹下面新建train.txt 和 test.txt文本文档。0表示bird类别  1表示dog类别。

            

            

2.制作数据集和均值文件：

    2.1 在caffe的examples文件夹下面建立一个 myself 文件。找到caffe -> examples -> imagenet文件夹，将里面的create_imagenet.sh 、make_imagenet_mean.sh 、train_caffenet.sh 这三个文件复制到 examples文件夹下面的myself文件夹里面。

     2.2 修改create_imagenet.sh 将里面的路径设置文自己的路径。下面是我修改的路径。（只修改了红色圈住的地方，将前面的路径修改成自己的绝对路径，然后RESIZE=TRUE，是为了将图片都resize成统一大小的图片。）设置好之后运行sh文件就可以在examples->myself文件夹下面得到生成的两个lmdb文件夹。

     

    2.3生成均值文件：修改make_imagenet_mean.sh   只是修改路径 把有的路径修改成自己的绝对路径。修改完之后运行sh文件，就可以在myself文件夹下面得到一个  imagenet_mean.binaryproto 文件。

      

3.训练自己的网络：（为了方便起见我直接拿caffenet的网络结构来训练，你可以把你的网络结构复制进来替换掉caffenet网络）找到 caffe-> models -> bvlc_reference_caffenet  将里面的solver.prototxt 和 train_val.prototxt两个文件复制到 examples->mtself 文件夹下面。  修改train_val.prototxt文件（红框修改成自己的文件夹路径，绿框为batch_size大小由于数据集太少建议设置成1.）

修改solver.prototxt文件：（换成自己的路径）

修改train_caffenet.sh文件（修改成自己的路径）：

修改完之后直接  bash  train_caffenet.sh 就可以训练网络了。

ps：你可以修改train_val.prototxt将里面的网络结构修改成你自己的网络来训练。

训练结果：