学习笔记04·预测测试数据集、LeNet…

（1）用训练好的LeNet-5模型对数据进行预测，在git中敲入命令./Build/x64/Release/caffe.exe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100 。

（这里是我们第一次使用caffe工具的test命令）表示只做预测（前向传播计算），不进行参数更新（后向传播计算），

-model  指定了模型描述文件即上一篇博文中详细分析过的文件，

-weights 指定模型预先训练好的权值文件，

- iterations 指定测试迭代次数。

        得到的输出日志本文的最后附录一，对比之前训练的输出日志，本次test输出日志有点类似train日志的后半部分，但是把后面的训练变为了测试，没有了lr=******，loss=******，而是全部变为了 accuracy = 0.99， loss = 0.0303407类似的。

（2）梳理一下之前做的一些事情：

1、从网上下载了四个文件train-images、train-lables、t10k-image、t10k-lables分别是

训练数据集、训练数据集标签、测试数据集、测试数据集标签

2、使用脚本   create_mnist.sh  将上述4个文件转化为lmdb格式，供caffe工具识别。

3、运用caffe工具的  train 命令对数据集进行训练

（3）尝试将自己手写的图片转为 lmdb或leveldb（这次尝试是失败的，可以直接跳过，进入第(5)步）

首先当然是利用画图软件画一个手写字符啦，为了保险起见，图片尺寸设置为28*28，另存为jpg格式。（这个图片其实是有问题的，mnist训练的图片应该是黑底白字的）

然后就是查查资料http://www.cnblogs.com/denny402/p/5082341.html，看看如何转换 ： 在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在D:\Caffe\caffe-master\tools文件夹下，在 D:\Caffe\caffe-master\Build\x64\Release下有convert_imageset.exe，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。这个文件使用格式如下：

 convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME

共计4个参数：

FLAGS:                     图片参数组，后面详细介绍

ROOTFOLDER/:       图片存放的绝对路径，从linux系统根目录开始

LISTFILE:                       图片文件列表清单，一般为一个txt文件，一行一张图片

DB_NAME:             最终生成的db文件存放目录

详细看看第一个参数 FLAGS的使用说明：

-gray: 是否以灰度图的方式打开图片。程序调用opencv库中的imread()函数来打开图片，默认为false

-shuffle: 是否随机打乱图片顺序。默认为false

-backend:需要转换成的db文件格式，可选为leveldb或lmdb,默认为lmdb

-resize_width/resize_height: 改变图片的大小。在运行中，要求所有图片的尺寸一致，因此需要改变图片大小。程序调用opencv库的resize（）函数来对图片放大缩小，默认为0，不改变

-check_size: 检查所有的数据是否有相同的尺寸。默认为false,不检查

-encoded: 是否将原图片编码放入最终的数据中，默认为false

-encode_type: 与前一个参数对应，将图片编码为哪一个格式：‘png','jpg'......

接下来就是准备需要的文件啦：我在D:\Caffe\caffe-master\examples\mnist\my_test目录下建立了两个文件，其中一个是之前画好的图片（这个图片其实是有问题的，后面再解释），另一个是 LISTFILE参数所需要的文件列表清单：

最后，当然是执行命令，打开git，cd到/d/Caffe/caffe-master目录下，执行./Build/x64/Release/convert_imageset.exe --resize_height=28 --resize_width=28 examples/mnist/my_test/ examples/mnist/my_test/test.txt examples/mnist/my _test_lmdb

同样，自动在D:\Caffe\caffe-master\examples\mnist\目录下建立了my_test_lmdb文件夹，其中生成了两个文件：

这应该就是我们需要的lmdb文件了吧。

（4）修改 lenet_train_test.prototxt使用该数据集，保险起见，先将给文件备份，修改其路径

然后，执行$ ./Build/x64/Release/caffe.exe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100当然事情总不会那么顺利出现了错误，
  Cannot copy param 0 weights from layer 'conv1'; shape mismatch.  Source param shape is 20 1 5 5 (500); target param shape is 20 3 5 5 (1500). To learn this layer's parameters from scratch rather than copying from a saved net, rename the layer.
又是查资料， http://blog.csdn.net/u010417185/article/details/52649178，

“conv1” ; shape mismatch 已经很明确的给出了错误的原因，原始shape不一致，同时又很明确的指出了是cov1层出现的错误。所以直接找shape\cpnv1，之后才发现是训练模型文件与模型定义文件中的shape不相符，我训练时图像库中有的图像是一个通道，有的是使用的3个通道，所以默认使用三个通道，而我的模型定义文件中的shape,其通道数写的是1个通道，故出现错误。

 我理解的意思大概，minst自带的图片集是黑白两色的，每个像素值只有一个通道，而我的图片虽然也是黑白色，但是其实是RGB格式的，且看如何修改。这个方法有很多，matlab可以进行这样的操作，但修改完毕后，按照以上步骤重新来一遍，问题依旧。