用自己的数据在Caffe环境下跑第一个CNN

用自己的数据在Caffe环境下跑第一个CNN

• 注意 ：本文所在环境为：Ubuntu 14.04、Caffe、Anaconda 2环境下。

1、准备数据

数据 :数据为500张，共五个类别：大巴车、恐龙、大象、鲜花和马，每个类100张。
每个类别拿出20张作为测试，训练集目录为：data/re/train/，测试目录为：data/re/test/

2、数据转换

首先在data统计目录下新建一个文件夹:
第一种：命令行的方式，打开一个终端，切换到data文件夹同级目录，输入

mkdir examples/myfile
vi examples/myfile/create_filelist.sh

第二种方式:手动的方式，像windows里面一样在目录下，右键创建文件夹。

接下来，如果是一种方式，则在弹出的命令行内copy以下代码：

#!/usr/bin/env sh
DATA=data/re/
MY=examples/myfile

echo "Create train.txt..."
rm -rf $MY/train.txt
for i in 3 4 5 6 7 
do
find $DATA/train -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/train.txt
done
echo "Create test.txt..."
rm -rf $MY/test.txt
for i in 3 4 5 6 7
do
find $DATA/test -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/test.txt
done
echo "All done"

按 esc 输入:wq 就退出了编辑。

如果是第二种方式 ,那么可以直接新建一个txt文件，将以上代码复制进去保存，然后将文件连同后缀一起改为：create_filelist.sh 保存即可。

然后在终端输入以下代码：

sh examples/myfile/create_filelist.sh

将会在examples/myfile/ 文件夹下创建train.txt 和test.txt 两个文件。形如：train/551.jpg 5

然后新建一个文件（方法同上）：

vi examples/myfile/create_lmdb.sh

内容为：

#!/usr/bin/env sh
MY=examples/myfile

echo "Create train lmdb.."
rm -rf $MY/img_train_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_height=256 \
--resize_width=256 \
/home/xxx/caffe/data/re/ \
$MY/train.txt \
$MY/img_train_lmdb

echo "Create test lmdb.."
rm -rf $MY/img_test_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_width=256 \
--resize_height=256 \
/home/xxx/caffe/data/re/ \
$MY/test.txt \
$MY/img_test_lmdb

echo "All Done.."

注意:将上述的两个/home/xxx/caffe/data/re/ 路径改为你自己刚才创建的绝对路径（查看当前文件夹路径：ctrl+L）
按esc 输入:wq 回车后，退出编辑状态，然后再命令行输入：

sh examples/myfile/create_lmdb.sh

成功以后在examples/myfile会生成：img_train_lmdb和img_test_lmdb 两个文件。

3、计算均值

• 注意：此时需要用到caffe的路径。
  在终端中输入以下代码：

build/tools/compute_image_mean examples/myfile/img_train_lmdb examples/myfile/mean.binaryproto

三部分组成：caffe计算程序的路径、lmdb文件、生成的均值位置和名字。以上各个路径建议都用完整的路径，不要用相对路径。

4、模型配置

在你的caffe安装路径下，在文件夹models/bvlc_reference_caffenet/ 路径下copy两个文件：solver.prototxt train_val.prototxt 到examples/myfile/路径下.
可以选择手动过去copy也可以采用以下代码，用命令行来copy：

cp models/bvlc_reference_caffenet/solver.prototxt examples/myfile/
cp models/bvlc_reference_caffenet/train_val.prototxt examples/myfile/

修改solver.prototxt:

net: "train_val.prototxt"
test_iter: 2
test_interval: 50
base_lr: 0.001
lr_policy: "step"
gamma: 0.1
stepsize: 100
display: 20
max_iter: 500
momentum: 0.9
weight_decay: 0.005
solver_mode: GPU

注意: 最后一行根据你是CPU还是GPU修改为你自己有的方式
修改train_val.prototxt: 路径指定

name: "CaffeNet"
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    crop_size: 227
    mean_file: "examples/myfile/mean.binaryproto"
  }
  data_param {
    source: "examples/myfile/img_train_lmdb"
    batch_size: 256
    backend: LMDB
  }
}
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mirror: false
    crop_size: 227
    mean_file: "examples/myfile/mean.binaryproto"
  }
  data_param {
    source: "examples/myfile/img_test_lmdb"
    batch_size: 50
    backend: LMDB
  }
}

5、训练

终端中输入：

build/tools/caffe train -solver examples/myfile/solver.prototxt

注意: 上述的路径都要用完整的路径，根据自己的路径进行修改。结束！

---

参考

• deny的学习专栏