linux下mnist验证caffe与结果可视化

此篇为了记录过程如题。

1. linux下配置编译caffe网上资源很多。在make runtest和import caffe成功后进行本文的实验。

2. 下载数据：
   cd ~/caffe/
   ./data/mnist/get_mnist.sh
   ./examples/mnist/create_mnist.sh
   修改配置：
   cd ~/caffe/
   sudo gedit ./examples/mnist/lenet_solver.prototxt
   修改：solver_mode: CPU
   训练模型：
   cd ~/caffe/
   ./examples/mnist/train_lenet.sh（log顺便记录下，下部分有）

3. 结果可视化：
   caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下：
   （1）新建自己的log文件，注意目录对应。在caffe下mkdir log；
   在训练过程中的命令中加入一行参数 ，实现Log日志的记录：gedit ./examples/mnist/train_lenet.sh
   写入：
   LOG=log/train-date +%Y-%m-%d-%H-%M-%S.log
   CAFFE=~/caffe/build/tools/caffe
   ./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt 2>&1 | tee $LOG$@
   （2）解析训练日志
   将最上面说的3个脚本文件拷贝到Log 文件夹下.
   ./parse_log.sh caffe.log (自己的名字)
   后面的参数为log文件名，这样就会在当前文件夹下生成一个.train文件和一个.test文件
   （3）生成图片
   ./plot_training_log.py.example 2 save.png caffe.log
   就可以生成训练过程中的Test accuracy vs. Iters 曲线,其中0代表曲线类型， save.png 代表保存的图片名称。
   caffe中支持很多种曲线绘制，通过指定不同的类型参数即可，具体参数如下：

   Notes:
   1. Supporting multiple logs.
   2. Log file name must end with the lower-cased “.log”.
   Supported chart types:
   0: Test accuracy vs. Iters
   1: Test accuracy vs. Seconds
   2: Test loss vs. Iters
   3: Test loss vs. Seconds
   4: Train learning rate vs. Iters
   5: Train learning rate vs. Seconds
   6: Train loss vs. Iters
   7: Train loss vs. Seconds