【caffe学习笔记之3】cifar10数据集简介及win10+caffe环境下运行cifar实例

参照http://blog.csdn.net/lance313/article/details/53857156帖子，使用Debug模式进行编译，则在caffe-master/build/x64/debug文件夹下生成诸多可执行文件。此处应注意的是，一定是在debug模式下编译，否则该文件夹下将没有这些文件：

然后将该文件路径加入path中：

【cifar数据集介绍】

Cifar-10是由Hinton的两个大弟子Alex Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大政府牵头投资的一个先进科学项目研究所。这个项目结集了不少计算机科学家、生物学家、电气工程师、神经科学家、物理学家、心理学家，加速推动了DL的进程。DL强调的是自适应感知和人工智能，是计算机与神经科学交叉。DM强调的是高速、大数据、统计数学分析，是计算机和数学的交叉。
CIFAR-10数据集含有6万个32*32的彩色图像，共分为10种类型，包含50000张训练图片，10000张测试图片
数据集的数据存在一个10000*3072的数组中，单位是uint8s，3072是存储了一个32*32的彩色图像。（3072=1024*3）。前1024位是r值，中间1024是g值，后面1024是b值。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。

【下载cifar数据集及前期准备工作】

官方地址：http://www.cs.toronto.edu/~kriz/cifar.html

下载后解压缩文件，为了不使文件夹混乱，在D:\caffe-master\caffe-master\examples\cifar10路径下新建两个文件夹：input及output，然后将cifar文件夹内容的拷贝至input中

【转换数据格式】

由于caffe使用数据库格式为leveldb(key-value数据库)，因此要先将上述文件转为leveldb格式，在cifar10目录下打开命令提示符界面，输入以下命令：

convert_cifar_data input output leveldb

运行完毕后，在output文件夹中生成两个文件夹：

cifar10_test_leveldb

cifar10_train_leveldb

【计算均值】

为不使文件混乱，在cifar10下新建一个test文件夹，然后在cifar10目录下打开命令提示符界面，输入以下命令，计算图像的均值。至于计算均值的原因，可以参考帖子http://www.cnblogs.com/neopenx/p/4480701.html

compute_image_mean output/cifar10_train_leveldb test/mean.binaryproto --backend leveldb

运行完毕后，在test文件下生成mean.binaryproto文件

【模型训练】

在训练模型以前，先行修改两个文件配置：

1.cifar10_quick_solver.prototxt:将最后一行计算模式改为cpu

2.cifar10_quick_train_test.prototxt:修改对应的文件路径及数据格式为leveldb，注意，backend后的LEVELDB一定要大写

然后，在D:\caffe-master\caffe-master目录下打开命令提示符界面，输入以下命令，进行模型训练，命令界面显示如下

Build\x64\Release\caffe.exe train -solver=examples/cifar10/cifar10_quick_solver.prototxt  

大概运行了半个小时，模型训练完成，然后在D:\caffe-master\caffe-master\examples\cifar10文件夹下生成cifar10_quick_iter_4000.caffemodel.h5和cifar10_quick_iter_4000.solverstate.h5两个文件

在后期应用过程中，需要生成caffemodel文件而非caffemodel.h5文件，因此，也可以在模型训练前，修改cifar10_quick_solver.prototxt文件，将snapshot_format:HDF5注释掉，运行上述命令，即可得到cifar10_quick_iter_4000.caffemodel文件。

【模型调用】

在D:\caffe-master\caffe-master\examples\cifar10文件下打开命令提示符，输入以下命令：

classification cifar10_quick.prototxt cifar10_quick_iter_4000.caffemodel.h5 test\mean.binaryproto synset_words.txt pic.jpg

运行结果：