caffe for Windows图像分类训练、测试实例

数据集使用的是kaggle上的猫狗数据集。
在编译好的caffe->data目录下新建文件夹cat and dog，数据集中的train和test文件夹放到data目录下。
第一步：生成train数据的标签文件，根据图片名生成对应的标签，这里，0是cat，1是dog程序如下：

# -*- coding: utf-8 -*-
"""
Created on Sun Jul  9 20:26:20 2017

@author: ***
"""

import os
def Filenametotxt(dir,file,wildcard,recursion):
    exts=wildcard.split(" ")
    for filesname in os.listdir(dir):
        name=filesname.split(sep='.')
        for exts in exts:
            if(filesname.endswith(exts)&bool(name[0]=='cat')):
                file.write(filesname+" "+"0"+"\n")
            else:
                file.write(filesname+" "+"1"+"\n")

def Test():
    dir="D://Caffe//caffe-master//data//cat and dog//train//"
    outfile="train.txt"
    wildcard=".jpg"

    file=open(outfile,'w')
#    if not file:
#        print("cannot open the file %s writing"% outfile)
    Filenametotxt(dir,file,wildcard,1)
    file.close()
Test()

生成的train.txt放到train目录下。
第二步：转换为caffe支持的数据格式lmdb，或者leveldb。在cat and dog目录下新建批处理文件convert_imageldb_trainset.bat，代码如下：

SET GLOG_logtostderr=1
D:/Caffe/caffe-master/Build/x64/Release/convert_imageset.exe --resize_height=208 --resize_width=208 ./train/ ./train/train.txt ./mtrainldb
pause

第二行代码中由五部分组成，很明显，第一部分为 convert_imageset.exe的路径（找不到的话可以搜索一下），第二部分是对图片大小resize，统一大小（不然第三步会报错）./train/为原始训练图片所在文件夹，./train/train.txt为第一步生成的标签文件，./mtrainldb为转换后的文件夹。
同理，也可以转换test下的图片，在此我没有转换，需要的话再转换。
第三步：数据预处理，计算数据的均值。采用编译好的compute_image_mean.exe代码如下：

SET GLOG_logtostderr=1
D:/Caffe/caffe-master/Build/x64/Release/compute_image_mean.exe ./mtrainldb ./train_mean.binaryproto
pause

目前为止，文件夹中的内容如下：

那个Python27.dll可以忽略，因为我的电脑装了27版本和35版本的，运行时提示找不到那个dll文件，我索性直接复制过来了。
第四步：训练网络配置
将examples->mnist下的lenet_solver.prototxt，lenet_train_test.prototxt复制到cat and dog目录下，并对两个文件进行修改
未完待续…………