使用caffe进行CNN试验

1.   数据准备

在readme.md中，调用

find “pwd”(表示当前目录)（处理数据的路径）-type f……;> (需要存储的路径)/temp.txt

注意：修改路径。在数据文件下生成temp.txt文件（注意将生成的temp.txt文件中的.txt文件删掉，没有最好），再将temp.txt文件里的图片数据后边加上相应的类别，此时调用

set  “s/$/ 0(表示后边加的类别，比如这里可以改为1,2….) /” （需要处理的temp.txt文件路径）/temp.txt> (生成的file_list文件存储的路径)/file_list.txt

2.   将生成的file_list.txt放在一起，调用createFishlist.py(注意调用.py文件时前边加Python，比如 …..$ python ./createFishlist.py，还要修改createFishlist.py文件中的路径)此时会生成test.txt 、train.txt两个文件；然后再调用create_imagenet.sh(注意修改文件中的路径，使用该条指令时，需在caffe目录下，比如 caffe$ ./models/g/data/create_imagenet.sh)，还有两个lmdb格式的图片文件；然后再调用make_imagenet_mean.sh(这条指令与上一条指令一样，注意在caffe目录下运行)此时会生成一个fish_mean.binaryproto文件；然后再调用convert_protomean.py文件（调用时，在终端输入与文件里的usage格式一样，注意修改文件路径和名称）此时会生成fish_mean.binaryproto.npy文件，这时，训练的准备工作做完。

3.   修改网络参数

将deploy.prototxt、solver.prototxt、train_val.prototxt、train.sh文件拷到与data文件同一目录下，修改deploy.prototxt、train_val.prototxt中文件的路径（已有的caffe网络），修改solver.prototxt中的各个参数

参数修改完，调用train.sh文件（注意修改文件中的路径，调用时需在caffe目录下运行，比如…caffe$ ./models/g/train.sh）此时系统会自动进行模型的训练，训练完成后，调用classify.py（该文件是Python文件，需要注意，同时要修改路径）文件进行验证。