caffe训练自己的数据集

环境：ubuntu16.04，caffe环境已经配好。
1、准备数据，以3分类为例，先将图片分为3个文件夹放好，例如1、2、3（即train、val文件夹下面分别有1、2、3三个文件夹，存放三类）。
生成train.txt和val.txt：执行下面语句（已train的2文件夹为例，如果类别多可以写个shell脚本），一般来说，类别以0、1、2、3……进行命名区分，从0开始。

ls train/2/ | sed "s:^:2/:" | sed "s:$: 1:">>train.txt

2、创建LMDB数据，一般放在caffe/example/myfile文件夹下面，创建create_lmdb.sh：

#!/usr/bin/env sh
MY=examples/myfile

TRAIN_DATA_ROOT=/caffe/examples/myfile/data/train/
VAL_DATA_ROOT=/caffe/examples/myfile/data/val/

echo "Create train lmdb.."
rm -rf $MY/img_train_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_height=128 \
--resize_width=128 \
$TRAIN_DATA_ROOT \
$MY/data/train.txt \
$MY/img_train_lmdb

echo "Create test lmdb.."
rm -rf $MY/img_val_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_height=128 \
--resize_width=128 \
$VAL_DATA_ROOT \
$MY/data/val.txt \
$MY/img_val_lmdb

echo "All Done.."

先赋权限，再执行这个文件，这里需要注意的是检查一下生成的lmdb文件是否正确（可通过文件大小等方式简单验真下），若这里出了问题，后面训练会出现错误blob.cpp:133] Check failed: data_ ，一般就是数据准备出现了问题。
3、生成均值文件，同样创建create_meanfile.sh：

#!/usr/bin/env sh
EXAMPLE=examples/myfile
DATA=examples/myfile
TOOLS=build/tools
$TOOLS/compute_image_mean $EXAMPLE/img_train_lmdb $DATA/mean.binaryproto
echo "Done."

如果后面重新生成lmbd数据，这个文件也需要重新执行一遍。
4、准备模型文件和配置文件
这个可以从example文件夹下面的例子里找，例如模型文件cifar10_full_train_test.prototxt以及对应的配置文件cifar10_full_solver.prototxt。记得修改路径以及输出的类别数。进行训练：

./build/tools/caffe train -solver examples/myfile/resnet_18_solver.prototxt

5、测试生成的caffemodel。修改模型文件，例如cifar10_full.prototxt，修改数据输入的大小

input_param { shape: { dim: 1 dim: 3 dim: 32 dim: 32 } }

以及输出的类别数，再进行测试。

./build/examples/cpp_classification/classification.bin examples/myfile/cifar10_full.prototxt examples/myfile/model/cifar10_full_solver_iter_5000.caffemodel examples/myfile/mean.binaryproto examples/myfile/synset_words.txt examples/myfile/0685_nothing.jpg

切记，训练时用的模型要与测试时的对应上，图像大小也要对应，否则会报错。