caffe 练习1：training LeNet on MNIST with Caffe/ 用LeNet识别手写字符集 Mnist------by 香蕉麦乐迪

这个实验拿来入门最好了，很轻松，执行作者写好的脚本就可以；

官网链接：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

跟着这个实验，可以观察caffe使用的流程，深入一点，可以看看作者写的shell脚本做了哪些事情；

下面我们一步步来执行，并作简单的分析：

1 首先准备数据集

执行下面的命令。$CAFFE_ROOT是指caffe安装的目录，比如说我的是/home/sloanqin/caffe-master/

cd $CAFFE_ROOT
./data/mnist/get_mnist.sh   //执行下载mnist数据集脚本
./examples/mnist/create_mnist.sh    //将下载的mnist数据集转换成lmdb格式的数据

我们来看看这两个脚本做了什么：

1.1 执行脚本get_mnist.sh：

get_mnist.sh脚本文件如下：

<pre name="code" class="plain"># This scripts downloads the mnist data and unzips it.

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

echo "Downloading..."

wget --no-check-certificate http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz
wget --no-check-certificate http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz
wget --no-check-certificate http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz
wget --no-check-certificate http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz

echo "Unzipping..."

gunzip train-images-idx3-ubyte.gz
gunzip train-labels-idx1-ubyte.gz
gunzip t10k-images-idx3-ubyte.gz
gunzip t10k-labels-idx1-ubyte.gz

# Creation is split out because leveldb sometimes causes segfault
# and needs to be re-created.

echo "Done."

作用：下载下面四个文件，并解压；

train-images-idx3-ubyte.gz训练集
train-labels-idx1-ubyte.gz训练集的标签
t10k-images-idx3-ubyte.gz测试集
t10k-labels-idx1-ubyte.gz测试集的标签

2 定义caffe的网络结构：.prototxt 文件

caffe的网络结构定义在后缀名为.prototxt的文件中，我们根据自己的需要定义自己的网络结构；

在这个实验中，我们使用作者已经为我们定义好的lenet网络结构，大家可以在下面的目录中找到该文件：

$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt

在我的电脑上，目录是/home/sloanqin/examples/mnist/lenet_train_test.prototxt

在后续的工作中，定义好自己的网络结构是最关键的，直接决定了性能，这里我们就不多说了；

3 定义caffe运算的时候的一些规则：solver.prototxt 文件

 该文件在下面的目录中：

$CAFFE_ROOT/examples/mnist/lenet_solver.prototxt

文件内容如下：作者给出了英文注释，我再给出中文的注释

# The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: GPU

中文注释版本：

<pre name="code" class="plain"># The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100  // 这个参数指定测试的时候送入多少个
		// 这里说明一个知识：GPU在计算的时候，每次迭代是多张图片，我们称为一个batch
		// 作者提到：test batch size 100，就是说每个包有100张图片
		// 这里设置 st_iter=100，就是测试的时候一共输入100*100=10000张图片
		//所以，test_iter 的英文翻译就是：测试时迭代次数
# Carry out testing every 500 training iterations.
test_interval: 500  //定义每500次迭代，做一次测试
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01    // 定义了刚开始的学习速率是0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100     //每迭代100次，显示一次计算结果
# The maximum number of iterations
max_iter: 10000   //设置最大的迭代次数
# snapshot intermediate results
snapshot: 5000    // 保存中间运行时得到的参数结果，这里设置成每5000次迭代保存一次，这样运行中间断掉了，我们可以从断掉的地方继续开始
snapshot_prefix: "examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: GPU   //使用CPU还是GPU计算

4 执行命令进行训练

最后一步就是执行脚本开始训练:

cd $CAFFE_ROOT
./examples/mnist/train_lenet.sh

我们打开这个脚本，可以看到特别简单，就一行：

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

这行代码的意思：调用./build/tools/caffe目录下面的train函数，train函数的输入参数是solver.prototxt文件的路径：--solver=examples/mnist/lenet_solver.prototxt

5 结果

运行的过程中，可以卡到test 的准确率在不断上升；运行结束后，会生成模型文件：lenet_iter_10000.caffemodel

还有一个文件是snapshot 保存的：lenet_iter_10000.solverstate

原文链接：http://write.blog.csdn.net/postedit/49147935