使用caffe训练自己的数据

这里先介绍采用image-net来训练自己的数据：

1 准备数据：

    1.1 训练数据准备：

        假设放在：
            ~/Data/train

    1.2 确认数据准备：

        假设放在：
            ~/Data/val

    1.3 准备两个txt文档：

        1.3.1 准备train.txt：

            内容为：训练数据图片名称+标签
            格式样例：
                0001.jpg 1
                0002.jpg 2

        1.3.2 准备val.txt：

            内容为：确认数据图片名称+标签
            格式样例：
                0001.jpg 1
                0002.jpg 2
        假设这两个文件均放在：
            ~/Data
    这里将数据最好放在自己的用户组里面，放在别的用户组，
    在调用image-net的时候可能会涉及到权限问题导致运行失败。

2 修改creat_imagenet.sh参数：

    2.1 修改所创建数据的存储位置

        EXAMPLE=example/imagenet
        改为：自己想存放的位置。(不建议修改，不然还需要做相应的修改，挺麻烦的)
        我这里没有做修改，所以在执行creat_imagenet.sh之后，
        在~/XXX/caffe/example/imagenet的目录下产生了两个文件：
            ilsvrc12_train_lmdb  ilsvrc12_val_lmdb

    2.2 修改txt存放的目录

        DATA=data/ilsvrc12
        改为：DATA=/home/XXX/DATA

    2.3 修改训练数据的目录

        TRAIN_DATA_ROOT=/path/to/imagenet/train/
        改为：TRAIN_DATA_ROOT=/home/YYY/Data/train/

    2.4 修改确认数据的目录

        VAL_DATA_ROOT=/path/to/imagenet/val/
        改为：VAL_DATA_ROOT=/home/YYY/Data/val/

3 回到caffe的根目录执行creat_imagenet.sh：

    ./example/imagenet/creat_imagenet.sh
    也就是根据自己的数据已经产生了两个数据，存放在caffe/example/imagenet中：
        ilsvrc12_train_lmdb  ilsvrc12_val_lmdb

4 在caffe根目录中执行make_imagenet_mean.sh：

    4.1 修改EXAPLE参数：

        如果前面做了修改，那么这里做相应的修改

    4.2 修改DATA参数：

        这个参数是指明所求的均值存放的位置。(不建议修改，不然还需要做相应的修改，挺麻烦的)
        我这里不做修改，也就是将会在caffe/data/ilsvrc12中产生：
            imagenet_mean.binaryproto

    4.3 回到caffe的根目录执行make_imagenet_mean.sh：

        ./example/imagenet/make_imagenet_mean.sh
        执行完了之后，将会在caffe/data/ilsvrc12中看到一个执行结果：
            imagenet_mean.binaryproto

5 进行训练：

    5.1 修改所创建数据的目录：

        如果前面2.1中做了修改，
        那么在目录caffe/models/bvlc_reference_caffenet中
        需要修改train_val.prototxt中相应地方。

    5.2 修改均值结果目录：

        如果前面4.2中做了修改，
        那么在目录caffe/models/bvlc_reference_caffenet中
        需要修改train_val.prototxt中相应地方。

    5.3 模型参数修改：

        请参考： http://blog.csdn.net/hmxiaobao/article/details/51443794

    5.4 回到caffe根目录进行训练：

        ./example/imagenet/train_caffenet.sh
        因为很多参数我都没有修改，所以迭代了450000次。
        更详细的描述可以参考：
            http://blog.csdn.net//chenriwei2/article/details/38735891
        每迭代10000次的时候，会保存一个类似运行环境一样的东西吧。
        如果中途突然断电之类的，终止了程序运行，那么可以直接运行：
            ./example/imagenet/resume_training.sh
        训练好的模型存放在caffe/models/bvlc_reference_caffenet中。