caffe_master在windows下cifar10训练过程

1.数据转换结束： 借鉴博客 https://blog.csdn.net/yxswhy/article/details/82693110

2.求均值文件

由于没有找到什么bin文件，而且我习惯自己新建文件夹来进行训练，为了看起来干净些

在bat文件夹中，新建cifar10_mean.bat文件，内容如下代码，注意“-”和“=”与空格的关系，否则会出错误。

 

-backend=leveldb指后端转化成leveldb数据格式

D:\caffe\caffe-master\Build\x64\Debug\compute_image_mean.exe -backend=leveldb  D:\caffe\caffe-master\examples\cifar10\cifar-10\bat\output\cifar10_train_leveldb mean.binaryproto  
pause

我使用了编译后debug版本的求均值文件compute_image_mean.exe，找到求均值的数据cifar10_train_leveldb，并在同一文件夹下生成均值文件mean.binaryproto，由于在同意文件夹下，所以忽略了地址。如下生成结果

也可以根据需要生成其它地址里，如下

D:\caffe\caffe-master\Build\x64\Debug\compute_image_mean.exe -backend=leveldb  D:\caffe\caffe-master\examples\cifar10\cifar-10\bat\output\cifar10_train_leveldb D:\caffe\caffe-master\examples\cifar10\cifar-10\cifar10_mean\mean.binaryproto  
pause

结果如下，直接生成在相应的文件夹下。

3训练模型

需要两个文件，修改已给的（注意是quick不是full，后面讲述二者区别）

超参数文件：cifar10_quick_solver.prototxt

网络模型文件：cifar10_quick_train_test.prototxt

训练网络，编写train.bat内容如下

D:\caffe\caffe-master\Build\x64\Debug\caffe.exe train --solver=D:/caffe/caffe-master/examples/cifar10/cifar10_quick_solver.prototxt
pause

双击train.bat文件运行，生成model。训练结果如下

准确率70%。个人觉得结果不理想。

还有个配置文件：cifar10_quick.prototxt ，在网络训练结束后，用于分类的，classification.bat的编写

测试：https://blog.csdn.net/yxswhy/article/details/82711993

 

 

 

 

full net与quick net：解释的不太清楚

cifar10*系列模型在caffe的例子中对cifar10数据集进行分类。

CIFAR10_full	CIFAR10_full_deploy	CIFAR10_quick	CIFAR10_quick_test

其中CIFAR10的full、quick版本的区别在于前者有局部区域正则化层（Local Response Normalization），将每一个输入值做正则化。caffe tutorial的解释如下： 

关于LRN的解释可以参看ImageNet Classification with Deep Convolutional Neural Networks