Caffe上训练使用自己的数据

接着上篇，上篇讲解了怎么在ubuntu下安装Caffe，如果一切没问题的话应该是可以用了，下面自己测试一下。

测试mnist

首先切换到caffe-master的主目录，mnist是作为一个演示存在于caffe-master/examples/mnist下的，需要三步来运行：
<1>获得mnist手写数据库数据

$ sh data/mnist/get_mnist.sh

<2>根据获得的原始数据建立数据集（Lmdb形式）

$ sh examples/mnist/create_mnist.sh

<3>训练并获得验证集合的成功率

$ sh examples/mnist/train_lenet.sh

这些脚本Caffe都是写好了的，直接运行就可以了，如果没错的话，你应该看到类似于下面的输出

输出的内容就是创建相应的网络和进行迭代训练，这里我只截图了刚开始训练的部分，它会产生相应的model，以后我们就可以拿这些model去进行识别了

Caffe上训练使用自己的数据集

我就以这个来演示下如何使用caffe来使用自己的数据进行训练和识别（分类）；这是自己做的中文汉字识别的一个实验，大概有3K多个汉字，我将每个汉字归为一个类，所以总共有3K多个类，然后就可以在上面训练识别。由于汉字什么的长得和手写数字还是很像的（明显不同与猫、狗之类的），所以我就偷懒用了mnist的网络结构来训练，最后效果也还不错。ps：数据多点结果应该更好点
（1）对自己的数据进行分类
在我这个来说，就是把每个汉字归为一类，首先新建个train文件夹用来做训练，类的编号从0开始，1,2,3,4,5…….这样写，大概是这样的：

再建个val文件夹，用来做验证，val文件夹下所有的图片不用分类，直接放一起就可以了，大概是这样：

（2）写训练的数据集和验证的数据集TXT
train.txt就是将train文件夹下的图片归类，val.txt直接写图片的类编号，大概是这样：


（3）做数据集
从imagenet拷贝create_imagenet.sh,进行修改，主要写上自己的train和val的路径

修改完之后就可以运行了，会创建两个数据集：

（4）定义网络结构
上面说了，对于汉字我就采用了mnist的网络结构，直接拷贝（3）中获得的两个数据集到examples/mnist下，最后就是这样的：

红色圈出的是不需要的，当然如果你需要加均值的话，可以使用make_imagenet_mean.sh，改下路径就可以用了，但不是必须的
主要是修改lenet_train_test.prototxt文件的内容：

修改下路径就可以了，红色标明的地方
还有就是连接的个数，写上自己实际的类的个数，很重要不然会报错

（5）训练
直接运行lenet_train.sh就可以了，它调用lenet_train_test.prototxt的网络结构，学习率，decay之类的参数在lenet_solvet.prototxt里面，大家看着需要自己设置，会产生model文件和验证结果，类似于上面用mnist自带的数据集训练的结果

最后结果截图我就不放了，跟第一张差不多，说的就是迭代到多少次，成功率(accuracy)是多少，损失(loss)是多少

总结一下做自己的训练集的步骤：
<1>分类；将自己的训练数据分成类并写train.txt文件，val直接全放一起，写val.txt文档
<2>做数据集文件(lmdb)
<3>定义网络结构
<4>训练并验证

上面说的不太清楚的地方，欢迎咨询！