1.搞定数据集
本次caffe训练的图片全部来自网上下载。分为两类,其中100个大象的图像,还有一百个恐龙的图像。如下图:
随机选取20个大象的图片和20个恐龙的图片分别放置在image_train和image_train文件夹下。
最好将两类不同的图片分开放置于不同的文件夹下,方便生成标签。
2.生成图像列表
在cmd中输入make_imagelist,根据提示就可以生成train.txt和test.txt。具体关于make_imagelist程序,详情见我之前的博客。
完成后将不同种类图片根据测试集和数据集分开放置在不同的文件夹中。方便之后生成db文件。
3.图片格式转换
调用convert_imageset分别生成img_train_lmdb和img_test_lmdb
具体操作查看之前的博客。
4.生成均值文件
在cmd中或者bat中输入
compute_image_mean.exe F:/caffefile/caffe-master/fpdata/img_train_lmdb F:/caffefile/caffe-master/fpdata/mean.binaryproto
最终生成mean.binaryproto ,下图的txt内容就是bat文件
5.模型及其参数设置
这次采用caffe的模型为caffenet,位于caffe-master\models\bvlc_reference_caffenet。
从文件夹中复制
到自己的目录,
在train_val.prototxt中修改:
也就是修改均值文件的位置和均值文件的位置。
solver.prototxt中修改net位置以及solver_mode
注意:
如果在训练过程中计算机cpu爆了,建议修改train_val.prototxt文件中的batch_size。原来文件中的batch_size值太大,占用过多的内存和显存。
6.最后运行bat或cmd中运行caffe进行训练。
caffe.exe train --solver=F:/caffefile/caffe-master/fpdata/solver.prototxt
至此完成。