大家好，放假在即，来整理一波在Linux上用caffe跑深度学习的流程，免得开学回来忘记。

以下地址均为我自己电脑上的地址，大家要照着跑请自行修改地址哦！

1.将训练和测试的图像放入examples-->images.训练图像放入train文件夹中，测试图像放入test文件夹中。

2.在自己创建的examples-->mytest中，创建creat_filelist.sh来生成对应标签train.txt和test.txt，具体代码如下：

#!/usr/bin/env sh

DATA=examples/images/

MY=examples/mytest

echo "Create train.txt..."

rm -rf $MY/train.txt

for i in 0 1 2 3 4 5 6 7 8 9 10

do

find $DATA/train -name $i*.jpg|cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/train.txt

done

echo "Creat test.txt..."

rm -rf $MY/test.txt

for i in 0 1 2 3 4 5 6 7 8 9 10

do

find $DATA/test -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/test.txt

done

echo "all done.."3.

在自己创建的examples-->mytest中，创建creat_mytest.sh来将train和test的图片转换成LMDB格式。具体代码如下：

#!/usr/bin/env sh

MY=examples/mytest

echo "Create train lmdb.."

rm -rf $MY/img_train_lmdb

build/tools/convert_imageset \

--shuffle \

--resize_height=224 \

--resize_width=224 \

/apps/jhinno/users/IMGLAB/2004/caffe-master/examples/images/ \

$MY/train.txt \

$MY/img_train_lmdb

echo "Create test lmdb.."

rm -rf $MY/img_test_lmdb

build/tools/convert_imageset \

--shuffle \

--resize_height=224 \

--resize_width=224 \

/apps/jhinno/users/IMGLAB/2004/caffe-master/examples/images/ \

$MY/test.txt \

$MY/img_test_lmdb

echo "ALL Done.."4.对图像取减去均值的操作，代码如下：

#!/usr/bin/env sh

BUILD=build/tools

EXAMPLE=examples/mytest

echo "Creating arv.."

rm -rf $EXAMPLE/mean.binaryproto

#$BUILD/compute_image_mean.bin $EXAMPLE/img_train_lmdb \

#$EXAMPLE/mean.binaryproto

build/tools/compute_image_mean.bin examples/mytest/img_train_lmdb examples/mytest/mean.binaryproto

echo "Done.."5.修改slover和train_test_net参数后，运行train.sh进行训练

6.训练完得到相应的.caffemodel文件，可以通过运行test.sh调用deploy文件调用.caffemodel来进行测试

7.全部完成后查看loss和accuracy曲线的方法在我的另一篇博客中有详细介绍哟。-->caffe在linux下绘制训练时的loss曲线

我是深度学习新的不能再新的新手，希望和大家一起学习

我们下期见！