Caffe训练流程

博主目前刚刚入坑Deep Learning，本文也学习笔记，仅供参考学习，欢迎交流指正。

我们首先来看看，一个完整的Caffe模型中有哪些必要的文件。（github上文件太多，显得有些乱，吐槽下）

跑过Caffe例程或者自习finetune过模型的朋友应该比较熟悉，这里以例程mnist的Lenet模型为例，方便大家查看。

主要文件

①lenet_train_test.prototxt：这个文件定义了Lenet的整个网络结构参数，每一层之间的关系，不熟悉prototxt的同学可自行百度。如果需要修改网络或者定义自己的网络结构，只需要修改这个文件即可。
②lenet_solver.prototxt：这个文件是网络求解文件，定义了训练求解的参数，如学习率，是否使用GPU，使用SGD。这个文件主要在训练是调用。(这个文件有的地方好像存储为train.solver/test.solver格式，但内容是一样的，原因博主还未知）。
③train_lenet.sh：这个是Linux下可执行文件格式，训练时使用。该文件存储了一些路径信息，具体内容请自行查看。

好，到这里，我们就基本见过了一个模型的必要文件。

训练过程

我们再介绍一下Caffe的训练流程。

一、准备自己的数据，使用Caffe自带的文件转换自己的数据格式；

二、准备上述两个.prototxt文件，定义自己的网络格式以及模型参数；

三、然后使用Caffe目录下自带的tools，调用我们定义的solver参数，开始训练（也可以直接运行我们在③准备的.sh文件）；

四、最后生成caffemodel格式的文件，它存储了我们模型的所以参数，如果需要finetune，可直接加载模型，再重新训练后几层即可。

补充：

上面提到训练时，直接调用train_lenet.sh，打开train_lenet.sh，我们发现里面的代码十分的短小，有价值的就一句话./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt $@，也就是说，直接运行.sh文件与使用./build/tools/caffe train \
–solver=./examples/mnist/solver.prototxt***效果是一样的。