Caffe训练个人数据并调用模型进行分类

最近有份作业，需要用到cafee做一些图片分类方面的，用惯Tensorflow了就gg，图片集用了华南理工大学的图片集。

一开始的安装由于我懒，所以让个有经验的同学帮我装了下，本来想亲力亲为的我，真香

由于我之前装了tensorflow-gpu，CUDA版本9.0，caffe现在好像支持最高8.0，用9.0是会build不出来的，嫌麻烦我直接装cpu版了。

然后想先做个简单的分类练一下手，第一眼看到的博客地址，发现跟其他博客写的也差不多，顺序也差不多，但是我自己会遇到一些问题，主要就是路径的问题。

所以，流程中的脚本文件的路径什么的，要好好注意用在哪，以及会和其他路径怎么连接。

首先，可能由于Caffe版本不同，我看到很多网上的教程，可执行exe文件都是在“/build/tools/”下，而我的是在“caffe\scripts\build\tools\Release”下，接下来跟着流程走。

我的整个训练产生的文件：

1.train.txt文件和val.txt文件以及label.txt,我的图片都一起放data里面了，一开始搞txt文本，还是用python处理的。。分出train和val文件夹，需要在之后的一些文件中加上文件夹的路径，后面会说原因。

ftw93.jpg 0
ftw94.jpg 0
ftw95.jpg 0
ftw96.jpg 0
ftw97.jpg 0
ftw98.jpg 0
ftw99.jpg 0
...
mtw1.jpg 1
mtw10.jpg 1
mtw100.jpg 1
mtw101.jpg 1
mtw102.jpg 1
mtw103.jpg 1
mtw104.jpg 1
mtw105.jpg 1
mtw106.jpg 1
mtw107.jpg 1

label.txt即所有分类

0 欧美女
1 亚洲女
2 欧美男
3 亚洲男

我的文件都是这样配置，不用绝对地址就是因为路径相关，等一下说。

(2018-12-06更新)自动生成caffe训练的训练和测试集txt脚本如下(训练和测试图片放两个文件夹)：

# /usr/bin/env sh
DATA=D:/caffe/examples/my_image
FILETYPE=jpg   #需要处理样本的图片格式
echo "Create train.txt..."
rm -rf $DATA/train.txt
array=("ftw" "fty" "mtw" "mty")    # 循环几种类别
for i in 0 1 2 3  #
do
echo ${array[i]}
find $DATA/data/train -name ${array[i]}*.$FILETYPE | cut -d '/' -f7 | sed "s/$/ $i/">>train.txt   # 写入文件
done
echo "Create test.txt..."
rm -rf $DATA/test.txt
for i in 0 1 2 3   # -f6-7 指目录第6-7层，根据上面的目录来指定，若是不加train文件夹，只需7即可
do
find $DATA/data/test -name ${array[i]}*.$FILETYPE | cut -d '/' -f7 | sed "s/$/ $i/">>val.txt  
done
echo "All done"
pause

2. 生成lmdb文件，我用的也是create_imagenet.sh文件，路径为caffe\examples\imagenet，文件里面我一开始也用相对路径，一直有出错的部分，所以我直接全用绝对路径了。在这里面就有TRAIN_DATA_ROOT和VAL_DATA_ROOT的问题了，这两个指训练和测试数据集的地址，与之前train.txt和val.txt里的路径会组合成完整的路径，我不在train.txt中使用完整路径的原因，是因为我用git bash启动sh文件，如果TRAIN_DATA_ROOT设置为 / ，则默认为git的exe文件所以路径作为TRAIN_DATA_ROOTÿ