基于caffe与MATLAB接口的回归分析与可视化

-----------------更新日志-----------------

20:33 2017/1/28    提供MATLAB生成loss曲线的方法

-----------------更新日志-----------------

如果遇到一些问题，可以在这里找下是否有解决方案。本文内容主要分为两部分，第一部分介绍基于caffe的回归分析，包括了数据准备、配置文件等；第二部分介绍了在MATLAB上进行的可视化。（话说本人最近有个课题需要做场景分类，有兴趣可以共同探讨一下）。

Preparation

预装好caffe on windows，并编译成功MATLAB接口。

通过caffe进行回归分析

通过caffe进行回归分析，在实验上主要分成HDF5数据准备、网络设计、训练、测试。该实验已经有网友做过，可以参考：http://www.cnblogs.com/frombeijingwithlove/p/5314042.html

或者查看转载的副本（http://blog.csdn.net/xiaoy_h/article/details/54731122）。但不同的是，本文在实验中某些必要的环节均通过MATLAB实现，而不是Python。下文仅对不同的内容进行介绍。

通过MATLAB准备HDF5数据

MATLAB是正经的MATLAB，比如你的数据含有35个输入变量，共10000个样本；先在MATLAB中创建一个变量，将数据（在此之间别忘了先做scaling）拷贝进去，将得到一个10000x 35的变量，当然标签变量就是10000 x 1的啦；最终得到train_x（10000 x 35）、train_y（10000 x 1）、test_x（600 x 35）、test_y（600 x 1）共四个变量，将他们保存到mat文件中，比如data.mat文件。

然后，通过如下脚本实现h5数据的转换（该脚本修改自CAFFE_ROOT\matlab\hdf5creation\目录下的demo.m）：

%% WRITING TO HDF5
filename           =   'train.h5';
load 'data.mat';
num_total_samples  =   size(train_x,1);            %获取样本总数
data_disk          =   train_x';
label_disk         =   train_y';
chunksz            =   100;                        %数据块大小
created_flag       =   false;
totalct            =   0;
for batchno=1:num_total_samples/chunksz
   fprintf('batch no. %d\n', batchno);
   last_read       =   (batchno-1)*chunksz;
   % 在dump到hdf5文件之前模拟内存中放置的最大数据量
   batchdata       =   data_disk(:,last_read+1:last_read+chunksz);
   batchlabs       =   label_disk(:,last_read+1:last_read+chunksz);
   % 存入hdf5
   startloc        =   struct('dat',[1,totalct+1], 'lab',[1,totalct+1]);
   curr_dat_sz     =   store2hdf5(filename, batchdata,batchlabs, ~created_flag, startloc, chunksz);
   created_flag    =   true;                       %设置flag为了只创建一次文件
   totalct         =   curr_dat_sz(end);           %更新数据集大小 (以样本数度量)
end
%显示所存储HDF5文件的结构体
h5disp(filename);
%创建HDF5_DATA_LAYER中使用的list文件
FILE               =   fopen('train.txt', 'w