caffe练习实例（1）——训练mnist数据集

1.简介

这是一个非常简单的实例，主要是为了这个简单的实例了解caffe的工作流程。

---

---

2.操作流程

1.获取数据

在caffe-master/data/mnist文件夹中只有一个get_mnist.sh可执行文件，我们需要执行这个文件获取mnist所需要的数据。

• 执行命令：./data/mnist/get_mnist.sh
• get_mnist.sh源码解析：
  
  通过源码我们可以知道，这个脚本主要是下载t10k-images-idx3-ubyte t10k-labels-idx1-ubyte train-images-idx3-ubyte train-labels-idx1-ubyte 这四个文件 然后解压
• 执行完命令后的文件目录：
  
  get_mnist.sh文件是原有的，其他四个文件是下载的。

---

2.将数据转化为lmdb格式

• 命令：./examples/mnist/create_mnist.sh
  
• 注意：在这里可能会遇到一个bug，如下：
  
  • 问题描述：
    
  • 原因是：脚本运行必须在caffe文件夹的根目录下运行，，而我在examples/mnist/目录下运行脚本，所以报错。

---

3.训练

• 命令：./examples/mnist/train_lenet.sh

• train_lenet.sh源码解析：

  • 源码：
  • 解释：train是我们在安装caffe的时候已经编译好的二进制文件，tools文件夹中还有很多工具，训练调用的是caffe源码中tools文件夹中的二进制文件，solver后面跟的是定义优化方式的prototxt文件

• 注意：训练的时候，如果安装的时候选择了CPU_ONLY的话，在*.prototxt文件中，把“mode:GPU”改成“mode:CPU”

• lenet_solver.prototxt文件源码解析：
  

---

4.结果

这里仅用CPU进行训练，大概用15分钟左右，准确率为99.13%。