caffe的学习笔记（一）

                                   caffe的学习笔记（一）  

今天先跑一下它的自带例子和一个自己的例子（楼主也是刚接触，有做得不好的地方多包涵）

1. caffe的简介

caffe是一个清晰而高效的深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接无缝切换；
　　我认为caffe的主要优势：

　　　　（1）CPU与GPU的无缝切换；

　　　　（2）模型与优化都是通过配置文件来设置，无需代码（在上层去进行训练，不用理解它实际是怎么实现的）；

              （3）caffe有很多自带例子，比较好上手。

2.  学习caffe的第一步：安装caffe（我的OS是Ubuntu16.04）

　这个在网上教程很多，我也是安装了蛮久，根据个人电脑的配置不同，看你会遇到完全不同的问题。只有根据情况慢慢解决了，这里推荐一篇博客：https://blog.csdn.net/haoji007/article/details/52081273    点击打开链接

安装玩之后的caffe目录下：

3. 跑通caffe的一个自带例子mnist

3.1 运行mnist目录下的get_mnist.sh 文件：

cd data/mnist
./get_mnist.sh  

我们来看看这个shell文件做了啥：

#!/usr/bin/env sh
# This scripts downloads the mnist data and unzips it.


DIR="$( cd "$(dirname "$0")" ; pwd -P )"
cd "$DIR"


echo "Downloading..."


for fname in train-images-idx3-ubyte train-labels-idx1-ubyte t10k-images-idx3-ubyte t10k-labels-idx1-ubyte
do
    if [ ! -e $fname ]; then
        wget --no-check-certificate http://yann.lecun.com/exdb/mnist/${fname}.gz
        gunzip ${fname}.gz
    fi
done

它从 http://yann.lecun.com/exdb/mnist上找到我们需要的四个文件，并下载下来

执行完之后：

可以看到这几个文件已经在mnist目录下了

3.2 数据转换，我们输入的图片文件有很多不同的格式，在caffe中为了统一，要将数据文件转成lmdb文件。转换的函数在caffe中已经写好了！我们可以直接用。

在mnist中已经写好了调用的shell文件，我们运行一下就OK了

./examples/mnist/create_mnist.sh

（注意，要在caffe根目录下运行）

然后可以得到两个_lmdb文件：

4. 网络文件配置

然后就是caffe的重点：网络文件配置（也就是examples/mnist/lenet_train_test.prototxt和examples/mnist/lenet_solver.prototxt这两个文件），它定义了你用来的net的各个layer和你的训练过程中的参数等！

这里它已经写好了！！！我们只需要稍加修改就可以使用

4.1 新建一个文件夹来保存我们将要训练好的模型：

mkdir model***

4.2 修改lenet_solver.prototxt文件中的snapshot_prefix为你刚才新建的文件夹的路径（从/caffe下开始）

5. 开始执行：

到这里，我们就可以开始执行了！

./examples/mnist/train_lenet.sh 

cd到caffe目录下执行上面的命令。

结果：

可以看到accuracy达到了0.99（很理想了）

可以看到我们得到我们的模型文件：

ok！今天就写到这里

后续继续更新