运行手写体数字识别例程

1.MNIST数据集

（Mixed National Institute of Standards and Technology）是一个大型的手写体数字数据库，广泛用于机器学习领域的训练和测试。包括60000个训练集和10000个测试集，每张图进行尺寸归一化，数字居中处理，固定尺寸为28*28px。

1.1下载MNIST数据集

cd caffe
cd data/mnist/
./get_mnist.sh
tree(如果没有要安装sudo apt install tree)

1.2MNIST数据格式描述

1.3转换格式

下载到的原始数据集为二进制文件，需要转换为LEVELDB或LMDB才能识别。
在caffe根目录下执行./examples/mnist/create_mnist.sh
可以看到examples/mnist下有两个目录

2 LeNet5模型

2.1模型描述

examples/minist/lenet_train_test.prototxt查看

数据源mnist负责从预处理得到的lmdb数据库中读取数据data和标签书label，图像数据送入后续CNN结构中进行处理，CNN结构包括一组由卷积层conv（1，2）+下采样层pool（1，2）交替形成的特征层ip1和ip2（类似于多层感知器结构）。对ip2的输出进一步同标签数据label对比，可计算分类准确率accuracy和损失值loss。

2.2训练超参数

examples/mnist/train_lenet.sh查看
–solver=examples/mnist/lenet_solver.prototxt指定了训练超参数（Hyper-Paramenter）

2.3训练日志

./examples/mnist/train_lenet.sh

问题：没有改成CPU
将–solver=examples/mnist/lenet_solver.prototxt中的模式改为CPU
再输入./examples/mnist/train_lenet.sh

跑起来

./examples/mnist/train_lenet.sh

2.4用训练好的模型对数据进行预测

利用训练号的模型权值文件（examples/mnist/lenet_iter_10000.caffemodel）可以测试数据集（或外部测试集）进行预测。
命令
./build/tools/caffe.bin test-model=examples/mnist/lenet_train_test.prototxt-weights= examples/mnist/lenet_iter_10000.caffemodel

解释：
第一行：表示只做预测（前向传播计算），不进行参数更新（后向传播计算）。
第二行：指定模型描述文本文件。
第三行：指定模型预先训练好的权值文件
第四行：指定测试迭代次数。参与测试的样例数目为（iterations*batch_size）。
batch_size在model prototxt中设定，为100时刚好覆盖全部10000个测试样本。

参考：深度学习21天实战Caffe。作者：赵永科