caffe-alexnet

主要两篇，学习Windows下的文件放置位置，Linux下的实施过程

http://blog.csdn.net/gybheroin/article/details/54095399

http://blog.csdn.net/qq_27923041/article/details/54139887

出现图片大小问题时，进行resize统一图片大小

http://blog.csdn.net/cym1990/article/details/73385537

制作txt文件问题，注意空格格式

http://blog.csdn.net/dcxhun3/article/details/51966921

///

1.start_train.bat

SET GLOG_logtostderr=1
..\..\Build\x64\Release\caffe.exe train --solver=solver.prototxt
pause

2.solver.prototxt

http://blog.csdn.net/qq_27923041/article/details/55211808

net: "train_val.prototxt"            #网络文件路径

test_iter: 2                                # 测试次数为2，batch_size为50，相乘得100；共100测试图片
test_interval: 50                        #
base_lr: 0.001                           #基础学习率
lr_policy: "step"                        #
gamma: 0.1                             #
stepsize: 100                            #迭代一百次后，学习率变为0.001*0.1
display: 20                               #迭代20次显示一次
max_iter: 500                           #最大迭代500次鸡停止
momentum: 0.9                       #权重
weight_decay: 0.005                 #权重衰减
snapshot: 100                          #迭代一百次，生成一个过程中的模型
snapshot_prefix: "mymodel"    #

solver_mode: CPU

3.train_val.prototxt

具体使用的网络，改变文件路径和最后输出的类别个数即可。

\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

小技巧

网络的配置和训练其实有一些小技巧。

- 训练过程中，正确率时高时低是很正常的现象，但是总体上是要下降的

- 观察loss值的趋势，如果迭代几次以后一直在增大，最后变成nan，那就是发散了，需要考虑减小训练速率，或者是调整其他参数

- 数据不能太少，如果太少的话很容易发散