caffe入门教程

（一）简介

1.caffe是一个清晰而高效的深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接无缝切换；

2.caffe的主要优势：

（1）CPU与GPU的无缝切换；

（2）模型与优化都是通过配置文件来设置，无需代码；

3.caffe的下载与安装：

（1）下载

（2）安装

（3）caffe的下载与安装以及一些基本的介绍官网已经描述地比较详细，这里不再重复；

4.caffe的使用接口有命令行，python跟matlab，个人觉得训练模型的时候使用命令行已经足够简单了，至于训练好的模型可以使用python与matlab的接口进行调用，本文先描述基于命令行的模型训练，以LeNet模型为例；

（二）LeNet模型

PS：LeNet是手写数字库MNIST上应用比较经典的模型，具有7层网络结构，分别是卷积-下采样-卷积-下采样-全连-全连-分类层，具体网络细节可以参考文章：

Gradient based learning applied to document recognition

1.安装编译完caffe后，其主目录下有：

2.训练模型之前需要先准备好训练数据MNIST，执行以下命令可以下载MNIST数据库：

3.由于caffe支持的数据类型不包括图像类型，所以常规做法需要将图像类型转为lmdb类型：

4.准备好数据之后，我们需要定义我们的网络模型，在caffe中是通过.prototxt配置文件来定义的，执行以下命令：

可以看到各个网络层是如何定义的：

（1）输入层（数据层）：

[plain] view plain copy

print ?

1. layer {  
2.   name: "mnist"      //表示层名  
3.   type: "Data"       //表示层的类型  
4.   top: "data"          
5.   top: "label"  
6.   include {  
7.     phase: TRAIN      //表示仅在训练阶段起作用  
8.   }  
9.   transform_param {  
10.     scale: 0.00390625  //将图像像素值归一化  
11.   }  
12.   data_param {  
13.     source: "examples/mnist/mnist_train_lmdb"   //数据来源  
14.     batch_size: 64                              //训练时每个迭代的输入样本数量  
15.     backend: LMDB                               //数据类型  
16.   }  
17. }  

layer {
  name: "mnist"      //表示层名
  type: "Data"       //表示层的类型
  top: "data"        
  top: "label"
  include {
    phase: TRAIN      //表示仅在训练阶段起作用
  }
  transform_param {
    scale: 0.00390625  //将图像像素值归一化
  }
  data_param {
    source: "examples/mnist/mnist_train_lmdb"   //数据来源
    batch_size: 64                              //训练时每个迭代的输入样本数量
    backend: LMDB                               //数据类型
  }
}

（2）卷积层：

[plain] view plain copy

print ?

1. layer {  
2.   name: "conv1"  
3.   type: "Convolution"  
4.   bottom: "data"               //输入是data  
5.   top: "conv1"                 //输出是卷积特征  
6.   param {  
7.     lr_mult: 1                 //权重参数w的学习率倍数  
8.   }  
9.   param {  
10.     lr_mult: 2                 //偏置参数b的学习率倍数  
11.   }  
12.   convolution_param {  
13.     num_output: 20  
14.     kernel_size: 5  
15.     stride: 1  
16.     weight_filler {           //权重参数w的初始化方案，使用xavier算法  
17.       type: "xavier"  
18.     }  
19.     bias_filler {  
20.       type: "constant"       //偏置参数b初始化化为常数，一般为0  
21.     }  
22.   }  
23. }  

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"               //输入是data
  top: "conv1"                 //输出是卷积特征
  param {
    lr_mult: 1                 //权重参数w的学习率倍数
  }
  param {
    lr_mult: 2                 //偏置参数b的学习率倍数
  }
  convolution_param {
    num_output: 20
    kernel_size: 5
    stride: 1
    weight_filler {           //权重参数w的初始化方案，使用xavier算法
      type: "xavier"
    }
    bias_filler {
      type: "constant"       //偏置参数b初始化化为常数，一般为0
    }
  }
}

（3）下采样层（pool）：

[plain] view plain copy

print ?

1. layer {  
2.   name: "pool1"  
3.   type: "Pooling"  
4.   bottom: "conv1"  
5.   top: "pool1"  
6.   pooling_param {  
7.     pool: MAX  
8.     kernel_size: 2  
9.     stride: 2  
10.   }  
11. }  

layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}

（4）全连层：

[plain] view plain copy

print ?

1. layer {  
2.   name: "ip1"  
3.   type: "InnerProduct"  
4.   bottom: "pool2"  
5.   top: "ip1"  
6.   param {  
7.     lr_mult: 1  
8.   }  
9.   param {  
10.     lr_mult: 2  
11.   }  
12.   inner_product_param {  
13.     num_output: 500  
14.     weight_filler {  
15.       type: "xavier"  
16.     }  
17.     bias_filler {  
18.       type: "constant"  
19.     }  
20.   }  
21. }  

layer {
  name: "ip1"
  type: "InnerProduct"
  bottom: "pool2"
  top: "ip1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 500
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}

（5）非线性层：

[plain] view plain copy

print ?

1. layer {  
2.   name: "relu1"  
3.   type: "ReLU"  
4.   bottom: "ip1"  
5.   top: "ip1"  
6. }  

layer {
  name: "relu1"
  type: "ReLU"
  bottom: "ip1"
  top: "ip1"
}

（6）准确率层（计算准确率）：

[plain] view plain copy

print ?

1. layer {  
2.   name: "accuracy"  
3.   type: "Accuracy"  
4.   bottom: "ip2"  
5.   bottom: "label"  
6.   top: "accuracy"  
7.   include {  
8.     phase: TEST  
9.   }  
10. }  

layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "ip2"
  bottom: "label"
  top: "accuracy"
  include {
    phase: TEST
  }
}

（7）损失估计层：

[plain] view plain copy

print ?

1. layer {  
2.   name: "loss"  
3.   type: "SoftmaxWithLoss"  
4.   bottom: "ip2"  
5.   bottom: "label"  
6.   top: "loss"  
7. }  

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
}

5.定义完网络模型，还需要配置关于模型优化的文件：

配置文件如下：

[plain] view plain copy

print ?

1. # The train/test net protocol buffer definition  
2. net: "examples/mnist/lenet_train_test.prototxt"     //设定网络模型配置文件的路径  
3. # test_iter specifies how many forward passes the test should carry out.  
4. # In the case of MNIST, we have test batch size 100 and 100 test iterations,  
5. # covering the full 10,000 testing images.  
6. test_iter: 100  
7. # Carry out testing every 500 training iterations.  
8. test_interval: 500                               
9. # The base learning rate, momentum and the weight decay of the network.  
10. base_lr: 0.01  
11. momentum: 0.9  
12. weight_decay: 0.0005  
13. # The learning rate policy  
14. lr_policy: "inv"  
15. gamma: 0.0001  
16. power: 0.75  
17. # Display every 100 iterations  
18. display: 100  
19. # The maximum number of iterations  
20. max_iter: 10000  
21. # snapshot intermediate results  
22. snapshot: 5000  
23. snapshot_prefix: "examples/mnist/lenet"  
24. # solver mode: CPU or GPU  
25. solver_mode: GPU  

# The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt"     //设定网络模型配置文件的路径
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500                             
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: GPU

6.接下来一步就是进行训练了，直接执行命令就可以：

执行后可以看到：首先会读取配置文件初始化网络跟优化器：

紧接着开始优化：

可以看到训练过程中每100次迭代就会显示一个loss，每500次迭代就会计算一次test准确率，总共10000次迭代，这些都可以在配置文件中设置；

7.训练完之后的模型就保存在.caffemodel文件中，该文件可以被c，python，matlab等调用；

8.通过前面博文的LeNet模型的使用，我们可以发现，使用caffe训练模型只需要以下几个步骤：

（1）准备好数据；

（2）写好模型配置文件；

（3）写好优化配置文件；

（4）命令行执行；

这样就可以得到训练的模型.caffemodel文件了；

（三）基于命令行的模型训练

1.准备数据

（1）数据来源：任意的jpg或其他格式的图像数据；

（2）划分数据为train跟val数据集，并且使用文本记录好对应的标签（自己写脚本就可以），格式如下：

注意label是从0开始的；

（3）将数据转化为lmdb，在caffe的根目录下，/build/tools/下有各种可以使用的命令行工作，为了将图像数据转为lmdb，使用的是convert_imageset指令，具体如下：

[plain] view plain copy

print ?

1. $CAFFE_TOOLS/convert_imageset \  
2.              --resize_height=$RESIZE_HEIGHT \  
3.              --resize_width=$RESIZE_WIDTH \  
4.              --shuffle \  
5.              $IMAGE_DATA_ROOT \  
6.              $LABEL_DATA_PATH/label.txt \  
7.              $OUTPUT_PATH/data_lmdb  

   $CAFFE_TOOLS/convert_imageset \
                --resize_height=$RESIZE_HEIGHT \
                --resize_width=$RESIZE_WIDTH \
                --shuffle \
                $IMAGE_DATA_ROOT \
                $LABEL_DATA_PATH/label.txt \
                $OUTPUT_PATH/data_lmdb

其中CAFFE_TOOLS是命令行路径；resize_height根据自己需要决定是否要将原始图片resize；

2.训练模型
前面已经讲述了如何配置模型文件跟优化文件，现在需要注意的是如何调用命令行来训练：

很简单，只需指定优化配置文件的路径即可；

至此模型训练结束，我们已经得到了我们想要的模型，存放在. caffemodel中；

3.使用模型

以下记录如何用命令行使用训练好的模型，主要是讲述提取每层的特征：

（1）test.prototxt描述的是测试的网络结构；

（2）ip2表示需要提取特征的层的名字；

4.注意事项

（1）在将jpg数据转为lmdb时，都需要有label的文本信息，一般来说，train跟validation数据是带有label的，test数据是没有的，一般是给test数据提供index文本信息；

（2）在模型训练过程中将导入train数据跟val数据，其中train数据是为了训练模型，val数据给出识别率为调参提供参考；其中val数据不是必须的，根据需要在训练模型配置文件中定义；

（3）训练过程的模型文件既定义了训练模型也定义了验证模型，而提取特征过程的模型文件中只定义测试模型；

（4）在提取的特征中，每张图象的特征的次序跟输入的次序是不一样的，为了得到caffe中模型训练过程的输入图像的次序，可以通过提取test数据的index文本信息，也就是label信息；

（5）提取出来的特征以lmdb形式给出，需要根据需要自行转换；