老卫带你学---caffe的简单使用（MNIST数据集）

老卫带你学—caffe的简单使用（MNIST数据集）

MNIST是一个大型的手写体数字数据库，最早的用于机器学习领域的训练与测试。MNIST包括60000个训练集与10000个测试集，每张图都已经进行尺寸归一化，数字居中处理，resize为28*28尺寸。

---

1.下载MNIST数据集

既然我们要对MNIST数据集进行训练，那么我们就需要将其下载到我们的本地上，MNIST数据集可以在Caffe的/data/mnist下的get_mnist.sh脚本下载。

$ cd data/mnist/
$ ./get_mnist.sh

通过这样的命令就可以将mnist数据集下载下来，如图：

2.转化数据格式

下载到的数据集为二进制文件，需要转化成LEVELDB或者LMDB格式才能被caffe识别，我们已经编译好Caffe了，只需要在Caffe根目录下执行以下脚本。

$ ./exmaple/mnist/create_mnist.sh

提示：不要进入该脚本文件夹下执行脚本，现在caffe规定只能从caffe的根目录开始执行。

紧接着，浏览所在目录example/mnist，发现生成了mnist_train_lmdb(训练集)和mnist_test_lmdb（测试集）两个目录，每个目录下都有两个文件：data.mdb与lock.mdb

Caffe为什么采用LMDB与LEVELDB，而不是直接读取原始数据

答案：一方面，数据类型多种多样，不可能用一个代码来实现对所有类型文件的读取；另一方面，使用LMDB与LEVELDB可以提高磁盘的利用率。

3.LeNet模型

在mnist手写识别训练中，最成熟的就是Lenet神经网络模型，该模型最早应用于邮政编码的识别中。但是呢在最新的Caffe中的Lenet-5与原模型稍有不同。（例如，将激活函数由sigmoid改为Relu函数）。其描述文件为example/mnist/lenet_train_val.prototxt,有兴趣的朋友可以去查看其源码，更好的理解其网络结构，后面我也会针对各个神经网络模型进行详细介绍。

4.训练

上面我们已经得到了MNIST手写体数据集和Lenet模型，下面开始Caffe的训练过程。运行example/mnist/train_lenet.sh脚本，就可以开始训练。用vim打开该脚本，内容如下：

#!/usr/bin/env sh
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt 

可见，调用了前面编译好的build/tools/caffe.bin二进制文件，参数solver指定了训练超参数。内容如下：

经过几个小时，就会提示训练成功。此时最终的训练模型已经保存到example/mnist/lenet_iter_10000.caffemodel中，训练状态保存在example/mnist/lenet_iter_10000.solverstate。

5.用训练好的模型对数据进行预测

利用训练好的Lenet模型文件（lenet_iter_10000.caffemodel）可以对测试数据集进行预测。运行如下命令：

命令行解释如下：