caffe下训练自己的图片

深度学习使用的框架有很多，我第一个接触的是caffe。现在比较广泛使用的应该是TensorFlow。不管使用什么框架，都只是一个工具而已。如果原理懂了，每个框架几乎都是差不多的。学习的目的肯定是要用到自己的实际项目中，训练自己的模型等。所以本篇介绍一下在windows下如何用caffe去训练自己的图片。

第一，准备数据

既然是训练自己的图片，这里的数据肯定是你自己的。每个人都不一样。为了简单，我就在我电脑里已有的图片中，随便抽出了两类。一类是bus,另一类是horse。（忘了在哪儿下的这些图片了，尴尬…）
bus图片：

horse图片：

第二，生成标签

随便用什么方法（cmd命令也可以，python脚本也行），只要生成如下的标签就可以。前面是图片的名字，后面是对应的标签。比如1是bus，0是horse。
* 注意：这里要生成训练数据和测试数据，可以分别起名为train.txt，test.txt

第三，生成lmdb

在这里需要用到VS2015和Cmake编译如下的exe文件。具体编译方法，我找时间补充在Windows下配置caffe里。

编译过后，利用cmd进入这个目录并执行如下命令生成训练用lmdb：

conver_imageset.exe \
--shuffle \
--resize_height=32 \
--resize_width=32 \
your_image_path \
path/train.txt \
path/img_train_lmdb

第一个参数，要执行的exe文件
第二个参数，是否要打乱顺序，如果要打乱就加这个参数
第三个，第四个参数，要resize的图片尺寸，这里我要用网络模型cifar，所以resize到了32
第五个参数，是放图片的路径
第六个参数，是生成的train.txt的路径和文件名
第七个参数，是要把生成的lmdb保存到什么地方。
测试用lmdb也是一样的，只需要把第五个参数到第七个参数更改一下就可以。（补充，还有–gray参数，如果想要生成单通道的lmdb可以加这个参数）。最后就会生成如下的文件夹：

第四，生成均值文件

还是在编译后的目录下，用cmd执行如下命令：

compute_image_mean.exe  path/img_train_lmdb  path/mean.binaryproto

第一个参数，要执行的exe文件
第二个参数，生成的lmbd文件路径
第三个参数，要把生成的均值文件保存在什么地方。

第五，准备prototxt文件

caffe根目录下有一个example/cifar文件夹，进入后我们用下面标记起来的两个文件cifar10_quick_solver.prototxt 和 cifar10_quick_train_test.prototxt。

（1）更改cifar10_quick_solver.prototxt文件。

下面是我改的文件，上面全都加了中文注释。特别要说明的是这里的iter和在其他地方所看到的epoch不是一回事。我刚开始就把这两个混淆了。 (这里的net和snapshot请改为自己的路径）

（2）更改cifar10_quick_train_test.prototxt文件
这个文件里写的就是网络结构，我们只需要微调一下就可以。第一个地方就是下面标记的几个地方，均值文件的路径还有lmdb的文件。
batch_size可以通过数据量以及内存的大小去调整。

还有就是ip2层中的输出要改一下，因为cifar10分为10类，我们这里就只涉及两类（bus, horse）。所以，改为2即可。

这样，我们的训练准备工作就都完成了。

第六，训练和测试

在上面编译好的路径下，用cmd命令执行如下命令：

caffe.exe train -solver examples/cifar10/cifar10_quick_solver.prototxt

运行后不出意外的话，就会开始训练，如果报错，就要具体问题具体分析了。

最后的accuracy为：