Windows玩转Caffe（二）：训练cifar10模型，并用其模型分类图片【附：多图】

欲练此功，必先自攻Windows玩转Caffe（一）：http://blog.csdn.net/u012958854/article/details/78123610

1. 下载cifar10数据

http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz

下载数据到caffe-master\data\cifar10，并解压；

其数据为binary格式，需要转换为leveldb（或lmdb）。

 

2. 转换cifar10数据格式

编译convert_cifar_data项目，生成convert_cifar_data.exe；

打开cmd，cd到caffe-master根目录（后续所有命令都是在这个路径下），输入命令：

Build\x64\Release\convert_cifar_data.exe data\cifar10\cifar-10-batches-binexamples\cifar10 leveldb

在caffe-master\ examples\cifar10文件夹下生成cifar10_test_leveldb和cifar10_train_leveldb文件夹。

 

3. 求数据图像均值

编译compute_image_mean项目，生成compute_image_mean.exe；

cmd输入命令：

Build\x64\Release\compute_image_mean.exe examples\cifar10\cifar10_train_leveldbexamples\cifar10\mean.binaryproto --backend=leveldb

 在caffe-master\examples\cifar10文件夹下生成mean.binaryproto文件。

4. 训练cifar10模型

编译caffe项目，生成caffe.exe；【详见：http://blog.csdn.net/u012958854/article/details/78123610】

打开caffe-master\examples\cifar10\cifar10_full_train_test.prototxt文件：（不用quick，否则你总会觉得准确度是不是能再高点啊，终会用full；用quick能暂时省点时间，最后还是浪费了时间，相信我，一步到位吧）

修改backend： LMDB 为backend: LEVELDB（两处）

修改source:"examples/cifar10/cifar10_train_lmdb" 为 source:"examples /cifar10/cifar10_train_leveldb"

修改source:"examples/cifar10/cifar10_test_lmdb" 为 source:"examples /cifar10/cifar10_test_leveldb"

 （若用CPU，修改cifar10_full_solver.prototxt文件最后一行为：solver_mode:CPU）

cmd输入命令：

Build\x64\Release\caffe.exe train--solver=examples/cifar10/cifar10_full_solver.prototxt 

N久之后，训练结果：

训练完成后caffe-master/examples/cifar10文件夹下生成若干caffemodel和solverstate文件。

 （其中caffemodel是训练完毕得到的模型参数文件，solverstate是训练中的snapshot文件）

 附：caffe用法

 

5. 对图像进行分类

在caffe-master\data\cifar10下新建文本文件synset_words.txt。

文件内容是cifar10里面包含的分类种类，如下：

编译classification项目，生成classification.exe

命令行输入：

Build\x64\Release\classificationexamples/cifar10/cifar10_full.prototxtexamples/cifar10/cifar10_full_iter_70000.caffemodel.h5examples/cifar10/mean.binaryproto examples/cifar10/synset_words.txtexamples/images/cat.jpg

Build\x64\Release\classification examples/cifar10/cifar10_full.prototxt examples/cifar10/cifar10_full_iter_70000.caffemodel.h5 examples/cifar10/mean.binaryproto examples/cifar10/synset_words.txt examples/images/fish-bike.jpg

就会出来分类结果，如下：