caffe:用自己的图像数据训练模型（图片分类）

本文参考“学习笔记 3 用自己的数据训练和测试“CaffeNet（薛开宇）”和caffe官网点这里。

主要讲述——如何用自己准备的图片数据并使用caffe来训练CNN模型，用于图片分类,类似于caffe官网例程ImageNet。

本文主要分为以下几部分：

• 数据准备
• 计算图像均值
• 定义网络
• 模型训练

1.数据准备

        在 caffe_master/data 中新建文件夹 myself,在myself/train/cat文件里存放训练猫的图片 40 张(名称为cat1~cat40),在myself/train/dog文件里存放训练狗的图片 40 张(名称为cat1~cat40),在myself/val文件里测试狗的图片 10 张和测试猫的图片10张。

      根据训练和测试的图片生成train.txt文件和val.txt文件，此文件里包含文件名和分类标签（标签从0开始,0,1,2....）。

可在train文件夹路径下，使用find -name *.jpeg |cut -d '/' -f2-3 >train.txt脚本命令来生成train.txt文件。val.txt的生成方法类似。

train.txt如图所示：

         我们还需要把图片大小变成256*256的，我们可以使用lightweight mincepie package ，也可以使用如下的shell命令：

                                      for name in /path/to/imagenet/val/*.JPEG; do
                                                 convert -resize 256x256\! $name $name
                                      done

我们更可以不在这一步缩放，在下一步创建leveldb数据时，将examples/imagenet/create_imagenet.sh的RESIZE设置为true来更改大小。

     生成leveldb格式数据：在caffe-master/examples里创建文件夹myself，将imagenet文件夹里的create_imagenet.sh复制到该文件夹下进行修改，主要修改训练和测试路径的位置，然后在命令行的caffe-master路径下，运行 ./examples/myself/create_imagenet.sh  。运行完毕，将在myself里生成myself_train_leveldb和myself_val_leveldb。

2.计算图像均值