windows下caffe第一个实例mnist

目录

一、mnist数据集的训练 （caffe train）

二、mnist数据集的测试打分（caffe test）(含《21天实战caffe》资源地址)

三、预测自己的手写数字图片（classification） 

---

一、mnist数据集的训练 （caffe train）

参考教程：https://www.cnblogs.com/chenzhefan/p/7594561.html

该教程很详细，注意事项如下 ：

caffe很多东西都是假定在Linux系统下的，在Windows系统下需要有一些变化。

1. 训练和测试样本需自己下载并转换。
   样本链接：http://yann.lecun.com/exdb/mnist/ 或者 https://download.csdn.net/download/q936795779/10552297
   转换脚本。将四个样本放到caffe-windows-ms\data\mnist\目录下，并创建bat脚本。代码如下

   ..\..\Build\x64\Release\convert_mnist_data.exe  ..\..\data\mnist\train-images.idx3-ubyte ..\..\data\mnist\train-labels.idx1-ubyte ..\..\examples\mnist\mnist_train_lmdb  
   
   echo.  
   
   ..\..\Build\x64\Release\convert_mnist_data.exe  ..\..\data\mnist\t10k-images.idx3-ubyte  ..\..\data\mnist\t10k-labels.idx1-ubyte ..\..\examples\mnist\mnist_test_lmdb 
   
   pause  

   将在examples\mnist下生成两个文件夹。如果convert_mnist_data.exe异常或其他原因不行。
   可直接下载转换后文件。https://download.csdn.net/download/q936795779/10552303

2. 设置测试网络和训练网络模型，标配已经可以。 lenet_solver.prototxt注意改为CPU模式。

3. 编写bat脚本进行模型训练。在caffe-windows-ms\examples\mnist目录下创建bat脚本，代码如下
    

   cd ../../
   "Build/x64/Release/caffe.exe" train --solver=examples/mnist/lenet_solver.prototxt 
   pause 

   （其实就是找到并运行caffe.exe，选择train参数作为模式，并选择solver配置文件。solver文件包含模型信息和控制模型运行信息。）
   开始训练。
   

4. 大概10分钟左右便完成10000次迭代，准确率也达到正常的99%。
   

---

二、mnist数据集的测试打分（caffe test）

参考书籍：《21天实战caffe》

1. 书籍下载地址：https://download.csdn.net/download/q936795779/10557071或者https://www.linuxidc.com/Linux/2017-03/142238.htm（需要百度云操作）
2. 随书资源作者博客地址：https://blog.csdn.net/kkk584520/article/details/79999344

1. 在caffe-windows-ms\caffe-windows-ms\目录下
(因为样本文件路径是相对路径，否则报错 [Check failed: mdb_status == 0 (3 vs. 0) 系统找不到指定的路径。])
 cmd或者创建bat文本，键入如下代码

.\Build\x64\Release\caffe.exe test -model .\examples\mnist\lenet_train_test.prototxt -weights .\examples\mnist\lenet_iter_10000.caffemodel -iterations 100

 迭代100次刚好覆盖10000个测试样本，batch_size在model prototxt设置，为100。

..\..\..\Build\x64\Release\classification.exe ..\lenet.prototxt ..\lenet_iter_10000.caffemodel ..\mean.binaryproto .\synset_words.txt .\8.bmp

 2. 测试结果：

---

三、预测自己的手写数字图片（classification） 

参考教程：https://blog.csdn.net/zb1165048017/article/details/52217772 从第六步开始制作测试图片

测试图片：8.bmp 

执行脚本： 

..\..\..\Build\x64\Release\classification.exe ..\lenet.prototxt ..\lenet_iter_10000.caffemodel ..\mean.binaryproto .\synset_words.txt .\8.bmp

写得比较丑，看作5了 。总共5张测试，准确率是60%。