我的caffe练习（二）--训练自己的数据

1.准备数据

本人推荐一个很适合训练分类的数据集：CelebA_CelebFaces Attributes Dataset

url：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

这个数据集标注了人脸的很多属性，如性别、年龄段、微笑、张嘴等等类别（建议先将图片归一成只有人脸部分，这样能提高准确率）。

这里有一份整理好后的性别数据。

https://pan.baidu.com/s/1rzgLv6q1p5FWbtLHYLTgww

2.生成lmdb

lmdb是caffe使用的一种输入数据格式，另外一种是leveldb。

用convert_imageset命令

convert_imageset train\ train\train.txt train_lmdb128 --backend=lmdb --resize_width=128 --resize_height=128

参数解析：

train\ 和 train\train.txt这两个是图片路径的参数。比如在train\train.txt中保存的是下面的格式

---

pos\018024.jpg 0
pos\018027.jpg 0
pos\018029.jpg 0
pos\018030.jpg 0
pos\018032.jpg 0

---

那么图片所在路径就是当前路径+train\pos\018024.jpg。

train_lmdb128：是lmdb保存的路径会自动创建文件夹（如果这个文件夹存在，则会报错）

--backend=lmdb是保存的类型，也可以是--backend=leveldb

后面的两个参数是将图片归一化到固定大小再保存成lmdb。

3.生成均值文件（可跳过）

均值能提高训练速度和精度。

compute_image_mean  train_lmdb128 mean128.binaryproto

compute_image_mean带两个参数，第一个参数是lmdb训练数据位置，第二个参数设定均值文件的名字及保存路径。

4.修改solver、train_val配置文件

这里选择常用的Alexnet，关于Alexnet的解读：https://blog.csdn.net/sunbaigui/article/details/39938097

将学习率base_lr改为0.0001，crop_size=128，batch_size=64，最后输出num_output：2.

 

solver.prototxt文件中参数详解：

https://blog.csdn.net/qq_27923041/article/details/55211808 

train_val.prototxt文件中数据层及参数详解：

http://blog.csdn.net/liuweizj12/article/details/52152911

train_val.prototxt文件中视觉层及参数详解：

http://blog.csdn.net/liuweizj12/article/details/52152984

train_val.prototxt文件中激活层及参数详解：

http://blog.csdn.net/liuweizj12/article/details/52153006

 

ps：如何打印log，画出loss和accuracy的曲线：

http://blog.csdn.net/u013078356/article/details/51154847

http://www.zhihu.com/question/36652304

(可以参考XinL/mnist/log里面的文件配置)

5。开始训练

caffe.exe train --solver=solver.prototxt

其中第二个参数是solver.prototxt的路径

训练的时候可以查看loss值。

关于根据打印出来的loss值做出一些调整：https://blog.csdn.net/sunshine_in_moon/article/details/53333335