参考：<span style="font-family: Arial, Helvetica, sans-serif;">http://blog.csdn.net/chengzhongxuyou/article/details/50715455</span>

准备工作

按照之前的教程，成功生成过caffe，并且编译整个caffe.sln项目工程，在\caffe-master\Build\x64\Debug生成了一堆exe文件，后面会使用到除了caffe.exe的另外一个exe

【PS】很多VS安装过程中出现问题的，比如XX加载失败，XX未找到等，请自行寻找问题，很可能是原来的VS没卸载干净，或者VS版本缺少一些文件等导致。正常情况下，第一次编译只有libcaffe.lib显示失败，不会出现其它error

第一步

下载cifar的数据集

官网地址：http://www.cs.toronto.edu/~kriz/cifar.html

我的百度云地址：二进制数据文件链接：http://pan.baidu.com/s/1hrRApwC 密码：1dxy

.mat格式连接：链接：http://pan.baidu.com/s/1hr6B7Xa密码：f343

多一句嘴，这个数据集是彩色图片，也即具有RGB三通道，数据存储方式是一行为一张图片，包含3*32*32=3072个像素属性，具体多少张图片，有兴趣的可以去官网看看，或者看看数据集的存储格式：样本数(图片数)*3072

【与训练model无关】下面代码是用matlab写的，用于显示其中一个样本，当然你可以用reshape函数，前面我介绍过这个函数

image=zeros(32,32,3);
count=0;
for i=1:3for j=1:32for k=1:32count=count+1;image(j,k,i)=data(1000,count);endend
end
imshow(uint8(image))

第二步

下载完毕以后，解压得到数据，请核对是否与下图一样

按照下列路径，在自己的caffe目录下建立input_folder文件夹，并拷贝相应数据集

第三步

在input_folder的上一级目录，也就是Debug目录建立一个bat文件(名称随意，我用的是convert.bat)，用于转换数据集格式，内容如下

convert_cifar_data.exe  input_folder output_folders leveldb
pause

【PS】此处的exe就是在编译caffe.sln时候生成的，如果没有，请在VS中修改生成模式为DEBUG，而非release

【PS】caffe-windows是caffe官方提供的caffe，与caffe-master差不多，我这里为了从头演示，没有在master里面操作，无视之即可

运行此bat文件，会生成一个文件夹output_folders，里面有两个文件夹，请核对路径以及文件数目

第四步

计算均值，新建另一个bat文件（本文采用mean.bat），如下图所示，请核对路径

compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryprotopause

双击此bat文件，不出意外会出现下面问题：

解决方法有两种

第一种：打开caffe.sln，修改compute_image_mean.cpp

重新生成一下，得到新的计算均值的exe文件【电脑编译中。。。等待ing。。。。】

第二种：感谢评论区 Liz_Huang的提示，直接在bat后面添加--backend=leveldb，同时也可以换成--backend=lmdb

编译完毕，重新运行bat文件，仔细检查debug文件夹，会发现有一个文件名为：mean.binaryproto

第五步

将debug文件夹下的mean.binaryproto以及output_folders下的两个文件夹拷贝到caffe-windows\examples\cifar10

在caffe-windows也就是caffe-master（根据版本自行决定）文件夹下新建一个bat文件，用于训练模型，本文使用train.bat

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

在运行之前需要修改几个文件,此处截图超过2M了，传不上来，读者自己核对路径以及CPU训练设置

cifar10_quick_solver.prototxt文件：

# reduce the learning rate after 8 epochs (4000 iters) by a factor of 10# The train/test net protocol buffer definition
net: "examples/cifar10/cifar10_quick_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.001
momentum: 0.9
weight_decay: 0.004
# The learning rate policy
lr_policy: "fixed"
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 4000
# snapshot intermediate results
snapshot: 4000
snapshot_format: HDF5
snapshot_prefix: "examples/cifar10/cifar10_quick"
# solver mode: CPU or GPU
solver_mode: CPU

——————————————————————————————————————————————————————————————————————————

cifar10_quick_train_test.prototxt文件【只贴前面一部分】，需要修改的就是数据格式为leveldb，以及相关路径，自行核对

name: "CIFAR10_quick"
layer {name: "cifar"type: "Data"top: "data"top: "label"include {phase: TRAIN}transform_param {mean_file: "examples/cifar10/mean.binaryproto"}data_param {source: "examples/cifar10/cifar10_train_leveldb"batch_size: 100backend: LEVELDB}
}
layer {name: "cifar"type: "Data"top: "data"top: "label"include {phase: TEST}transform_param {mean_file: "examples/cifar10/mean.binaryproto"}data_param {source: "examples/cifar10/cifar10_test_leveldb"batch_size: 100backend: LEVELDB}
}

一定要核对正确，我好像在设置添加路径的时候多了一个空格，结果出现了下面问题

【PS】一定要细心

最后，运行train.bat时候出现如下界面，说明正在训练

是不是感觉和网上看到的不一样呢？网上都是各种iteration 和loss显示在命令窗口，但是这里出现了prefetch batch等。原因在于我们用的是debug模式下生成的caffe在训练，如果想看到如下情形的结果，请将caffe.sln使用release模式生成(用VS2013打卡caffe.sln以后，上方中间部分的dubug改为release，然后右键工程，重新生成)

第六步

训练完成，会得到如下文件

下面是我训练好的cifar10的model，读者可下载，可自行训练

cifar10_quick_iter_4000.caffemodel.h5的链接：http://pan.baidu.com/s/1o8xSqr4 密码：ftc5

cifar10_quick_iter_4000.solverstate.h5的链接：链接：http://pan.baidu.com/s/1eRGPlNs 密码：589n

第七步

附带说一下caffe train 的finetuning。我们在编译成功caffe以后显示的dos窗口显示的有一行是：

commands:
train  train or finetune a model

只要是用caffe train -solver=xxxxxxx，那就是从头开始训练

凡是遇到caffe train -solver=xxxx -weights=xxxxxx.caffemodel(.h5)，那就是用已有模型参数(权重偏置)去初始化网络，称为finetune

【caffe-Windows】cifar实例编译之model的生成相关推荐

【caffe-Windows】cifar实例编译之model的使用
本文讲解如何对网上下载的一个图片利用训练好的cifar模型进行分类第一步上一篇文章训练好以后会得到两个文件从网上查阅资料解释来看,第一个caffemodel是训练完毕得到的模型参数文件,第二个s ...
【caffe-Windows】mnist实例编译之model的生成
其实这个和cifar的实例基本相同,只不过数据转换的方法不一样 [说明,此博客按照我自己的路径设置的相关操作,读者如果自行选择其他路径,记得在bat和prototxt等文件修改路径] 第一步下载数据 ...
【caffe-Windows】mnist实例编译之model的使用-classification
[caffe-Windows]mnist实例编译之model的使用-classification 标签: 深度学习caffe 2016-08-16 11:24 1349人阅读评论(12) 收藏 ...
Caffe Windows版本的编译
2019独角兽企业重金招聘Python工程师标准>>> 1:Caffe的主版本只支持Linux,所以要下载专门的Caffe Windows版本,网址为 https://github. ...
【caffe-Windows】mnist实例编译之model的使用-matlab
前言针对上一个caffe文章留下的matlab手写数字识别的问题,感谢caffe中文社区的 @ghgzh 的提示,原文请看:caffe中文社区第一步手写图片的制作方法我就不说了,直接把我自己画的 ...
caffe windows 学习第一步：编译和安装（vs2012+win 64)
转载自:http://www.cnblogs.com/denny402/p/5041060.html 没有GPU,没有linux, 只好装caffe的windows版本了. 我的系统是win10(64 ...
终于在windows上成功编译caffe，特分享过程
经过一天的不懈尝试和查找资料,终于完成了在windows上的caffe编译,也是参考了好几位前辈的经验分享,现分享过程如下: 前言:最好基于caffe-windows(https://www.gith ...
caffe windows学习：第一个测试程序
caffe windows编译成功后,就可以开始进行测试了.如果还没有编译成功的,请参考:caffe windows 学习第一步:编译和安装(vs2012+win 64) 一般第一个测试都是建议对手写 ...
win10+vs2017+caffe（crnn）编译过程记录（验证成功）
一.准备工作在windows下使用vs2017编译,使用cmake生成项目工程,caffe依赖很多第三方库,编译之前准备好,具体见下图: 二.生成工程 1.勾选advanced 2.blas选择op ...

【caffe-Windows】cifar实例编译之model的生成

准备工作

第一步

第二步

第三步

第四步

第五步

第六步

第七步

【caffe-Windows】cifar实例编译之model的生成相关推荐

最新文章

热门文章