caffe

*******数据集**********


### 在服务器里打开matlab,只要在用户名文件下输入matlab即可
1.使用get_data_label_list.m获取数据的列表（路径+label）;##../data/mytools
   需要修改对应的数据路径 会生成test-label.txt  train.txt test-file-list.txt train-label.txt  val.txt
   test-file-list.txt
###只需要修改数据集路径即可






*******制作caffe使用的文件********** 
2.使用createImageSet.sh制作数据集（提前给可执行脚本权限） ###../data/mytools
先用ll查看文件权限，如果没有权限，则更改权限。chomd -R 777 文件名.sh  (这是在服务器上的操作，)chmod +x file.sh
如果是在自己电脑上操作 sudo chmod -R 777 文件名.sh


###修改DATA、TOOLS路径;  Tools路径是指caffe的路径
###修改是否resize
###模块（默认放在build/tools下面）./conver_iamgeset.bin --help
###根据需求在模块中制定接受参数：
###-backend:制定数据集格式，默认lmdb
###-gray:数据集通道，默认false
###-shuffle:是否打乱数据顺序，默认false,如果训练的时候loss上下震荡，可以打开这个参数，重新制作数据集训练
3.检查一下lmdb/leveldb大小是否为空
4.使用脚本make_imageset_mean.sh制作均值文件。。
###修改DATA、TOOLS路径




*******训练模型**********
5.修改训练脚本：deploy.prototxt、tran_val.prototxt、solver.prototxt
6.使用tran.sh开始训练
###指定caffe科执行文件的路径：caffe-master/build/tools
###指定是从头训练还是微调，从头开始就去掉--weights=xxx选项
###如果中途终端了，想恢复训练，使用--snapshot=（这里放上中断前的模型）






*******调整参数**********
7.如果训练时，loss = nan(无限大)，说明学习率大了，这个时候调整一下solver.prototxt文件中的学习率
8.出现out of momery：说明GPU显存不够了，这个时候需要调整batchsize,将其变小就行了




*******验证测试集**********
### 比如caffe里的classification,改变相应的参数
###  net_model = [model_dir 'deploy.prototxt'];
###  net_model2= [model_dir 'deploy2.prototxt'];
###  net_weights = [model_dir 'bvlc_reference_caffenet.caffemodel'];这个模型的选择根据loss收敛效果，选择收###  敛比较平缓时候的模型