1:下载源码 https://github.com/BVLC/caffe.git
2: 切换到windows 分支 : git checkout windows, 如果是下载zip, 切换到windows 分支
3: 参考网址 https://blog.csdn.net/qwfzpk/article/details/79112097
注意事项:
1:下载 Anaconda python 3.5(3.7 会出错) https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
选择 Anaconda3-4.2.0-Windows-x86_64.exe
其他操作可以按照参考网址
下载mnist 数据 http://yann.lecun.com/exdb/mnist/
四个文件下载下来,解压
// 训练数据转化
convert_mnist_data-d.exe --backend=lmdb train-images.idx3-ubyte train-labels.idx1-ubyte mnist_train_lmdb
// 测试数据转化
convert_mnist_data-d.exe --backend=lmdb t10k-images.idx3-ubyte t10k-labels.idx1-ubyte mnist_test_lmdb
生成两个文件夹, mnist_test_lmdb mnist_train_lmdb
把caffe 文件夹下的examples 文件拷贝到 install/bin 下面
把mnist_test_lmdb mnist_train_lmdb 两个文件夹拷贝到install/bin/examples/mnist 下面
训练过程
回到install/bin
caffe-d.exe train --solver=./examples/mnist/lenet_solver.prototxt
修改一个lenet_solver.prototxt 文件
solver_mode: CPU
最后一行改为cpu , 因为我编译的是cpu
lenet_iter_5000.caffemodel
lenet_iter_5000.solverstate
lenet_iter_10000.caffemodel
lenet_iter_10000.solverstate
最后生成 四个文件,在install/bin/examples/mnist
完成
测试使用
caffe-d.exe test -model=./examples/mnist/lenet_train_test.prototxt -weights=./examples/mnist/lenet_iter_10000.caffemodel
// 下面来找一张图片测试
1: 生成中值文件
compute_image_mean-d.exe ./examples/mnist/mnist_train_lmdb ./examples/mnist/mean.bin
2:写一个标签文件
label.txt
3:准备一张图片 2.jpg
4:测试图片
classification-d.exe examples\mnist\lenet.prototxt examples\mnist\lenet_iter_10000.caffemodel examples\mnist\mean.bin examples\mnist\lable.txt examples\mnist\2.jpg
结果如下: