Caffe 从入门到精通05

【在Windows中用 Caffe 实战 cifar-10 】

1.获得cifar-10数据集

了解cifar-10数据集

Cifar-10数据集包含60000张32*32的彩色三通道图像，共有10类图片，每一类图片有6000张，有飞机、鸟、猫、狗等。其中50000张用于训练、10000张用于测试。

下载cifar-10数据集

由于到官网的下载数据的速度比较慢，我这里给大家了准备了已经下载好的官方数据（Binary版），由于上传资源的限制，制作了两个压缩包供大家下载。

点击进入下载页面-part01

点击进入下载页面-part02

将两个压缩包下载好之后，将其中一个解压即可，另一个将自动解压。建议将解压后的数据集存放于/data/cifar10路径下，如下图所示：

2.转换数据集格式

由于下载好的原始数据是binary二进制格式的，需要转换lmdb或leveldb格式才能被caffe识别。

所以可以使用caffe自带的cifar数据集格式转换器来实现格式转换。脚本文件（具体如何建立脚本文件请参照“Caffe从入门到精通01”-在caffe-master路径下新建脚本文件）如下所示：

.\Build\x64\Release\convert_cifar_data.exe .\data\cifar10\cifar-10-batches-bin .\exmaples\cifar10 leveldb
pause

代码解析：

.\Build\x64\Release\convert_cifar_data.exe   是要使用的cifar数据集格式转化器

.\data\cifar10\cifar-10-batches-bin  表示输入数据文件路径

.\examples\cifar10  表示输出数据文件路径

leveldb 表示要转换成的数据格式

3.获取数据集均值

图片减去均值后，再进行训练和测试，会提高速度和精度，因此，一般在各种模型中都会有这个操作。

计算所有训练数据的平均值，计算出来之后，保存一个均值文件，在以后的训练和测试中，就可以直接用这个均值文件。

caffe框架为我们提供了这个计算数据集均值的工具，并生成*.binaryproto的均值文件名。下面介绍使用该均值工具的方法：

在caffe-master文件目录下，新建一个.bat文件：代码为：

.\Build\x64\Release\compute_image_mean.exe -backend=leveldb .\examples\cifar10\cifar10_train_leveldb mean.binaryproto
pause

代码解析：

.\Build\x64\Release\compute_image_mean.exe 表示使用compute_image_mean.exe 这个工具程序

-backend=leveldb 表示数据的格式

./examples/cifar10/cifar10_train_leveldb 表示刚才生成的训练数据集的路径

mean.binaryproto  表示输出均值文件名，这里默认保存到当前路径下（即caffe-master目录下）

之后，把生成的mean.binaryproto文件复制到examples\cifar10\的目录下。

4.配置Net文件与Solver文件

会在 examples/cifar10/文件夹下生成两个文件夹，cifar10_train_leveldb和cifar10_test_leveldb, 里面的文件就是我们需要的文件。
为了节省时间，我们进行快速训练（train_quick) ，我们使用/examples/cifar10/cifar10_quick_train_test.prototxt，打开之后，修改训练数据、验证数据、以及均值文件的路径，如下所示：

name: "CIFAR10_quick"
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_leveldb"
    batch_size: 100
    backend: LEVELDB
  }
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_test_leveldb"
    batch_size: 100
    backend: LEVELDB
  }
}

注意 ：mean_file、source、backend的参数值已经了进行修改

如果要使用CPU模式进行训练，还需要修改/examples/cifar10/cifar10_quick_solver.prototxt文件的solver_mode 为“CPU”

5.开始训练

与mnist训练类似，我们只需要在根目录caffe-master\下编写一个脚本，完成后双击：

.\Build\x64\Release\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt
pause

6.进行验证

如果想要进行验证，可以修改命令为：

.\Build\x64\Release\caffe.exe test --model=examples/cifar10/cifar10_quick_train_test.prototxt
pause

至此，windows环境下 caffe实战cifar10的内容就介绍完了。