caffe 练习2 用自己的数据集在ImageNet 测试------by 香蕉麦乐迪

本文链接：https://blog.csdn.net/sloanqin/article/details/49152351

本文介绍了如何使用Caffe框架，借助ImageNet的网络结构，训练自己的数据集。作者提供了数据集下载链接，包括训练和验证图片以及对应的txt文件。通过创建lmdb数据集、计算图像均值、修改网络模型和训练参数文件，成功进行训练。最终在有限的样本（每个类别100训练，20验证图片）上达到了50%的准确率，强调了数据量对模型性能的影响。

摘要由CSDN通过智能技术生成

目的：使用自己的数据集，使用caffe自带的ImageNet网络结构，训练测试

参考官网链接：http://caffe.berkeleyvision.org/gathered/examples/imagenet.html

我自己准备的数据集：http://pan.baidu.com/s/1o60802I

我们的数据集图片分10个类，每个类有100个train图片（train文件夹下，一共1000），20个test图片（val文件夹下，一共200）

1 首先准备自己的数据集

我们需要准备的文件有：

1 文件夹train：里面放训练的图片

2 文件夹val：里面放val的图片

3 train.txt ：训练图片的文件名和对应的类别

4 val.txt：测试图片的文件名和对应的类别

我已经为大家准备好了，下载链接：http://pan.baidu.com/s/1o60802I

以后大家自己准备数据集，就按照上面的方式将图片和txt文件，放入对应目录下

2 创建lmdb格式数据集

在caffe安装的根目录下执行下面的脚本可以创建lmdb文件，用于caffe的数据输入；

./examples/imagenet/create_imagenet.sh

对于这个脚本，我们打开，根据自己的路径做更改；

原脚本：

#!/usr/bin/env sh
# Create the imagenet lmdb inputs
# N.B. set the path to the imagenet train + val data dirs

EXAMPLE=examples/imagenet    %@@ 这里是一些路径，根据自己的路径修改
DATA=data/il