以binery分类为例;
一、生成数据集
第一步:生成train.txt
1、train datas的1class和0class分别存放到不同文件夹下,validation datas也同样;
2、在各数据集文件夹下输入:dir /b/d >train.txt和dir /b/d >val.txt (/b不显示标题信息或摘要,/d只显示文件名,而非目录)
生成文件列表txt文件。
3、打开txt文件,把jpg替换成jpg 1,这里1是label;
4、把两个不同class类的txt文件合并,生成一个train.txt文件。同样的方法生成test.txt文件
第二步:运行convert_imageset程序进行jpg->ldmb。
这里要注意:生成前要把ldmb存储的文件删除。
第三步:运行computer_image_mean生成均值文件。
需要指导生成的均值文件名,如果只指定目录(没写文件名),会出错。
二、修改网络配置文件
从model目录copy alexnet配置文件。
a、修改输入图像大小:直接修改;
b、修改输入通道数量*(RGB/gray):无须修改,根据图像文件自动适配;
如果一定要修改,在输入层预处理的参数transform_param的定义:
inner_product_param {
num_output: 2
d、指定输入数据集文件位置
注意:训练集文件和测试集文件不能是同一位置的相同文件,否则就会运行卡在:
I1101 21:36:03.284374 12459 data_transformer.cpp:25] Loading mean file from: /projects/plankton/mean.binaryproto
三、运行
caffe.exe执行。