caffe——MNIST手写数字识别（一）

一.数据下载及了解数据

mnist是一个手写数字数据库，由Google实验室的Corinna Cortes和纽约大学柯朗研究院的Yann LeCun等人建立，它有60000个训练样本集和10000个测试样本集。mnist数据库官方网址为：http://yann.lecun.com/exdb/mnist/ 。可直接下载四个解压文件，分别对应：训练集样本、训练集标签、测试集样本和测试集标签，均以二进制文件形式保存。将文件下载至caffe文件中的\data\mnist\中

以下为训练集信息介绍，Label文件中，第一个为32字节整数型magic，第二个表示该文件包含60000张图片，接下来就是每张图片所贴标签，标签：0-9；Image文件中，第一个为32字节整数型magic，第二个为60000张图片，第三和第四代表图片像素，本文件所含图片像素为28*28，接下来就是所存具体图片信息。

以下为测试集文件信息介绍，其内容与训练集一样，测试集包含10000张图片。

同时所存图片均为黑底白字（此处的图片是通过转换二进制文件而得到，将在下一篇博客里面讲述如何转换图片）

二.数据前期准备

1.修改文件格式

在对数据进行一个初步认识了解之后，因为caffe不能用所下文件直接训练，需要将其转换caffe能用的文件格式，比如lmdb、leveldb。
在caffe-master根目录下，新建一个文本文档，写入如下脚本，并将其改名create-mnist.bat（我的格式是lmdb格式）

.\Build\x64\Release\convert_mnist_data.exe  .\data\mnist\train-images.idx3-ubyte .\data\mnist\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb //训练集
.\Build\x64\Release\convert_mnist_data.exe  .\data\mnist\t10k-images.idx3-ubyte .\data\mnist\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb //测试集

运行上述脚本之后，会在\examples\mnist\路径下产生如下文件

2.修改lenet_solver.prototxt

接下来是修改\examples\mnist\lenet_solver.prototxt文件，修改第25行，因为我是用CPU运行，所以将其修改为CPU

3.修改lenet_train_test.prototxt

打开\examples\mnist\路径下lenet_train_test.prototxt文件，修改source，分别改为自己mnist_train_lmdb，mnist_test_lmdb具体路径，修改backend，为lmdb（如果你用leveldb格式，请在上面 二.1.修改文件格式 处生成相对应的leveldb格式的文件）

4.产生均值文件mean.binaryproto

产生均值文件的方法是利用解决方案中的compute_image_mean.exe，位于目录\Build\x64\Release下。回到caffe-master根目录下创建一个mnist_mean.txt，写入如下脚本，最后将文件名修改为mnist_mean.bat，点击运行，最后会在\examples\mnist\路径下产生mean.binaryproto文件

.\Build\x64\Release\compute_image_mean.exe .\examples\mnist\mnist_train_lmdb mean.binaryproto --backend=lmdb

pause

然后在lenet_train_test.prototxt的transform_param里面添加mean.binaryproto，如下图

**注意：source的路径一定要使用“/”符号，否则会出现问题

三.训练数据

经过一系列准备工作之后，接下来就是正式训练数据。
首先，训练Train data，在caffe-master根目录下新建一个文本文档，写入如下脚本，保存之后修改文件名为train_minist.bat，然后运行脚本文件

.\Build\x64\Release\caffe.exe train --solver=./examples/mnist/lenet_solver.prototxt

Pause

下图为训练集运行的部分日志记录截图（CPU下全部运行完成大概需要十几分钟左右，配置不同运行速度也会不同）

其次，训练Test data，在caffe-master根目录下新建一个文本文档，写入如下脚本，保存之后修改文件名为test_minist.bat，然后运行脚本文件

.\Build\x64\Release\caffe.exe test --solver=./examples/mnist/lenet_solver.prototxt

Pause

全部运行之后，会在\examples\mnist\路径下产生如下四个文件

下图为测试数据的日志记录

自此，训练和测试mnist自带数据，已经全部完成。从运行结果来看，该模型总体效果还是可以的，平均正确率达到：0.96

四.参考

1.caffe学习（二）：利用mnist数据集训练并进行手写数字识别（windows）
2.MNIST机器学习入门

**下一篇博客将介绍如何将自己手写数字进行识别测试，将通过两种途径进行测试，一是通过caffe自带的classification.exe直接测试，二是通过编写程序，将自己的数据以二进制形式存储，模型使用的是用mnist自带数据生成lenet_iter_10000.caffemodel文件进行测试。

此篇博客为本人第一篇博客，其内容可能有一些漏洞及错误，欢迎大家指出本文出现的错误，如果有些什么问题，也可以提出来，我们可以一起讨论研究，一起学习！