使用GPU在caffe上进行CNN训练

1.配置caffe环境

[请参考此篇博客：http://blog.csdn.net/ws_20100/article/details/48850449]

本篇介绍如何在caffe环境下，实现"图像对图像"的卷积神经网络的训练。

2.文件结构

在配置好的caffe文件夹中，进入examples目录，创建CNN文件夹，并进入文件夹

$ cd caffe-master/examples/

$ mkdir CNN

$ cd CNN/

在CNN文件夹下面创建子文件夹

$ mkdir model snapshot TestPhotos TestLabels TrainPhotos TrainLabels

其中，

model用于以后存储卷积核矩阵和偏置向量；

snapshot用于存储训练中备份的caffe模型，每一段时间存储一次，防止断电等一些情况；

TrainPhotos、TrainLabels分别存储训练集输入和监督样本；

TestPhotos、TestLabels分别存储测试集输入和监督样本，不直接参与到训练中。

然后，将训练所用的输入样本和监督样本分别放入到TrainPhotos和TrainLabels中去。注意，样本文件名无所谓，但是排列次序必须一一对应。同样，将测试所用的输入样本和监督样本分别放入到TestPhotos和TestLabels中去。

3.产生训练和测试数据

1.)产生路径文件

在CNN文件夹下面(以下均是在此文件夹下)创建两个路径文件。

$ vim train.txt

输入内容：

examples/CNN/train.h5

:wq保存文档。

$ vim test.txt

输入内容：

examples/CNN/test.h5

:wq保存文档。

2.)产生训练数据

$ vim generate_train.m

输入内容