caffe 学习系列之finetuning

在安装好caffe之后，下一步自然就是运行一些demo 来玩下。
在caffe 的官网的notebook 中已经介绍了如何对caffe 提供的demo 的数据集进行finetuning， 这里就不过多的介绍了。caffe finetuning 的demo

这一篇主要是介绍如何用caffe提供的model 来训练我们自己的数据集。

我用的系统是mac osx 10.11 EI， 主要实现的工具是使用terminal 终端和caffe c++ 的命令行接口

1. 数据集是大概16000张照片，主要是对这些照片的9中照片做图像的分类。（因为这是我的一个课程作业，老师提供了大概3000张左右的照片给我们预测，预测结果在课程网站上面直接显示出来，所以我没有从训练集选择30%的照片作为测试集来验证。如果想要自己训练并且测试的话，可以写一个小程序自己生成训练集和测试集。）
   我把我的测试集放到百度云了
   链接: http://pan.baidu.com/s/1i5rsMFF 密码: edpc
   有兴趣的同学可以去下载下来玩一玩。
   数据集包括了16000张照片 和 包含他们文件位置和label 的train.txt

2.选择的model 是caffe 提供的googlenet， 它是2014 ilvsrc 图像分类比赛的冠军。装好caffe之后，可以在命令行进入caffe的根目录之后输入：

python scripts/download_model_binary.py models/bvlc_reference_googlenet

然后会下载一个大概50M 左右的googlenet.caffemodel 下载完成之后可以在 models/bvlc_googlenet/ 的文件夹中看到 以下文件：
train_val.prototxt
quick_solver.prototxt
solver.prototxt
deploy.protoxt
bvlc_googlenet.caffemodel
readme.md

3.在model 下载完成之后，下一步是要使用caffe tools中的convert_imagenet 把我们的数据集转成LMDB 格式。（在caffe中数据默认是通过LMDB 格式来存取的，所以要转格式。）当然，caffe 的框架也有提供其他的格式存取，不过入门的话还是用LMDB 比较方便。
转格式的代码如下：
进入caffe 根目录

GLOG_logtostderr=1 ./build/tools/convert_imageset \
/这里写的是照片根目录的路径 \
/这里写的是train.txt 的路径 \
/这里写的是生成的train_lmdb 存的路径 \

要注意的是ÿ