windows10下利用caffe model训练自己的数据

注：本篇为了完整性，现先写简单概念，下一篇详细总结caffe网络模型各层参数。

一、背景知识

1.caffe源码结构与核心概念：

附计算所刘昕老师的图：可以看到caffe源码文件夹主要内容与功能:

核心概念：

2.经典模型：

附图：

二、实验流程

注：由于imagenet数据集过大，这里用自己的数据集完成经典model的训练与fine-tuning。
* 本文在整体宏观指引上，具体实现细节参看后附的博客文章。*

1.数据准备与测试模型

作为一个分类任务，大家选择自己的数据集即可，可以从网上下载。这里我用爬虫下了一点数据，刻意没有下载猫狗等动物图像，下载了不同色彩的数据集看model效果如何。

（1）准备这四个文件夹和两个label：

两个leveldb文件是由train和val文件夹分别生成的：train里还分成两个子文件夹，其中一个如下图：

对应制作的标签文件如，0代表红色类别：

验证val不需要再把两类分开了：

（2）用compute_image_mean.exe进行取均值的预处理，生成.binaryproto文件。

（3）选择caffe结构中一个参考模型，进行下图参数修改，训练验证并测试实现图像分类。为了最后一步的测试还要生成一个label.txt，参见前篇 手把手教windows10+无Gpu+caffe下Mnist实例运行与测试自己的图片 http://blog.csdn.net/yiyisunshine/article/details/55210765有详解。

以上三个步骤所用的bat文件如下：

2.细节参考以下博客及文库：

http://blog.csdn.net/zj15939317693/article/details/54619599
http://blog.csdn.net/chengzhongxuyou/article/details/50717543
http://blog.csdn.net/u013657981/article/details/49497753
http://blog.csdn.net/u013534498/article/details/51387517
百度文库：
http://wenku.baidu.com/link?url=QZ4smo0qHNsiU4GlEVxn6xL7sXph1UrmOhymYfQqnpFaa_NXoySEnW1iOcvren8DP48EAv9WJ4xM6k1drTpudayRVG0pPIOmx0NiTv70DUK