手写体数字识别例程——LeNet-5模型

   上一篇博客中介绍了Caffe环境的搭建，本片博客中介绍一下，在caffe中训练的第一个CNN模型LeNet-5。如果存在不正确的地方欢迎指正。
   该例程用的数据集是MNIST，该数据集中包含60000个训练集和10000个测试集。使用的CNN模型是LeNet-5网络模型，该模型包含2个卷积层，两个下采样层和两个全连接层。
   本文第一部分介绍，在Ubuntu 14.04系统下，如何训练LeNet-5模型。第二部分介绍该模型的prototxt文件。第三部分介绍训练日志中的一些信息及一些卷积的输入输出对照关系。

##Caffe中训练LeNet-5的方法

1、获取mnist数据集
在caffe目录下，执行data/mnist/ 目录下的get_mnist.sh

./data/mnist/get_mnist.sh

执行之后，查看该目录可以看到该目录下增加了四个文件：

从命名方式上可以看出，四个文件分别为测试集的图片和标签，训练集的图片和标签。

2、把数据转换成leveldb格式
下载的数据集是二进制格式，需要转换为LEVEDB或者LMDB才能被caffe识别，需要进行数据格式转换。

./example/mnist/create_mnist.sh

3、训练网络

./example/mnist/train_lenet.sh

##查看prototxt文件

• 查看训练的配置文件

vi examples/mnist/lenet_sover.prototxt