caffe + win10基于CaffeNet网络框架训练总结

对原文进行总结：https://blog.csdn.net/CYJ2014go/article/details/80272410

一、步骤
1.准备一个项目主目录
一般可以选择在caffe目录中的某文件夹内，此处我选择在home\cyj\caffe\examples\myfile中
2.准备数据
（1）、在myfile中新建images文件夹，并在其中新建test和train两个文件夹，分别放入测试图片和训练图片;
（2）、将图片转换为lmdb格式：首先利用一个create_filelist.sh脚本制作test.txt和train.txt图片列表清单;然后，利用create_lmdb.sh命令来转换数据格式为lmdb格式，成功后，在myfile中得到img_test_lmdb和img_train_lmdb目录
3.计算均值并保存
caffe中使用的均值数据格式是binaryproto, 直接执行build/tools/ 下面的compute_image_mean将生成的文件保存为myfile下的mean.binaryproto文件;
4.创建模型并编写配置文件
用程序自带的位于 models/bvlc_reference_caffenet/文件夹下bvlc_reference_caffenet.caffemodel模型, 所以将需要的两个配置文件solver.prototxt和train_val.prototxt复制到myfile文件夹内;然后分别进行修改;
5.训练和测试
执行myfile文件夹内的solver.prototxt，训练结束会生成xxx.caffemodel和xxx.solverstate文件分别存储训练过程的参数和中段的参数信息;
6.利用生成的模型使用python接口测试自己的数据
（1）、首先将待预测的图片准备好，我这边将图片放到myfile目录下;
（2）、然后，编写脚本将二进制文件mean.binaryproto转换成python可以识别的mean.npy文件（均值文件）‘
（3）、编写labels.txt文件;
（4）、利用python脚本deploy.py生成deploy.prototxt文件;
（5）、编写python脚本py-myclassify-1.py执行类别预测。

二、