接上篇 【caffe-Windows】mnist实例编译之model的使用-classification（2016-08-16）

转自：http://blog.csdn.net/zb1165048017/article/details/52217772

版权声明：欢迎大家一起交流，有错误谢谢指正~~~多句嘴，不要复制代码，因为CSDN排版问题，有些东西会自动加入乱糟糟的字符，最好是自己手写代码。格外注意被“踩”的博客，可能有很大问题，请自行查找大牛们的教程，以免被误导。

目录(?)[+]

仿照cifar10的模型使用，本文对mnist的训练方式做了部分修改

【注】本文caffe安装路径为E:\CaffeDev-GPU\caffe-master。请自行参考并修改相关路径(debug以及release参考你编译caffe时候采用的模式)

第一步

按照前面的model生成方法的前两步骤制作数据集，得到两个文件夹。并拷贝到E:\CaffeDev-GPU\caffe-master\Build\x64\Release

train：链接：http://pan.baidu.com/s/1cJZNI2 密码：ikz8

test：链接：http://pan.baidu.com/s/1gfuhmvx 密码：7krq

第二步

计算均值文件：在E:\CaffeDev-GPU\caffe-master\Build\x64\Release目录下新建bat文件mnist_mean.bat，内容如下

[html] view plain copy

 print?

1. compute_image_mean.exe mnist_train_leveldb mean.binaryproto  
2. pause  

得到mean.binaryproto

mean.binaryproto：链接：http://pan.baidu.com/s/1dFp19i5 密码：xhux

第三步

将上面两步的train和test数据集以及均值文件拷贝到E:\CaffeDev-GPU\caffe-master\examples\mnist文件夹下，方便后面的路径书写

修改此文件夹下的训练方法lenet_train_test1.prototxt的前两层，就是在原来的基础上把均值文件加进去。同时注意lenet_solver.prototxt中的net是你修改以后的prototxt文件，我是把修改后的prototxt训练文件命名为lenet_train_test1.prototxt了(加了一个1)

[html] view plain copy

 print?

1. name: "LeNet"  
2. layer {  
3.   name: "mnist"  
4.   type: "Data"  
5.   top: "data"  
6.   top: "label"  
7.   include {  
8.     phase: TRAIN  
9.   }  
10.   transform_param {  
11.     mean_file: "examples/mnist/mean.binaryproto"  
12.     scale: 0.00390625  
13.   }  
14.   data_param {  
15.     source: "examples/mnist/mnist_train_leveldb"  
16.     batch_size: 64  
17.     backend: LEVELDB  
18.   }  
19. }  
20. layer {  
21.   name: "mnist"  
22.   type: "Data"  
23.   top: "data"  
24.   top: "label"  
25.   include {  
26.     phase: TEST  
27.   }  
28.   transform_param {  
29.      mean_file: "examples/mnist/mean.binaryproto"  
30.      scale: 0.00390625  
31.   }  
32.   data_param {  
33.     source: "examples/mnist/mnist_test_leveldb"  
34.     batch_size: 100  
35.     backend: LEVELDB  
36.   }  
37. }  

lenet_train_test1.prototxt：链接：http://pan.baidu.com/s/1skBN3Md 密码：ixzt

lenet_solver1.prototxt：链接：http://pan.baidu.com/s/1kVxwQl5 密码：3o5a

第四步

在E:\CaffeDev-GPU\caffe-master目录下新建训练bat文件train_minist.bat，内容如下：

[html] view plain copy

 print?

1. .\Build\x64\Release\caffe.exe train --solver=examples/mnist/lenet_solver1.prototxt  
2. pause    

此处注意一下CPU与GPU的训练仅仅需要修改lenet_solver1.prototxt的最后一行即可

第五步

测试一下测试集的分批准确率，同样在E:\CaffeDev-GPU\caffe-master下新建test_mnist.bat，内容如下

[html] view plain copy

 print?

1. .\Build\x64\Release\caffe.exe test --model=examples/mnist/lenet_train_test1.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0  
2. pause  

运行之，得到如下结果：

第六步

这一步往后就比较实用了，先介绍如何制作手写数字的单张测试样本。两种方法：①按照我前面的博客，从mnist数据集里面摘取里面的某张或者某些图片；②用Windows的画图工具自己手写一张(怎么打开画图工具就不说了吧)

为了方便直接调整写的数字的大小，如果你这里不调整大小，在matlab里面有相关的resize函数，自己查询调用方法，很简单

然后，写几张，本人龙飞凤舞地画了几张：链接：http://pan.baidu.com/s/1o79lL5S 密码：umjl

可以发现，这个保存下来的是RGB图像，三通道，然而我们的测试集和训练集mnist都是灰度图像，怎么办，简单，用matlab转

[html] view plain copy

 print?

1. %存储二值图像  
2. image=imread('009.png');  
3. im=255-rgb2gray(image);  
4. imshow(im)  
5. imwrite(uint8(im),'./binarybmp/9.bmp');   

【注意】这里不要手动去save那个figure哦，不然图像会比28*28大，一定要用imwrite，并且格式为bmp

转换完毕的测试集：链接：http://pan.baidu.com/s/1o7NySMu 密码：bead

第七步

把转换好的二值图像拷贝到E:\CaffeDev-GPU\caffe-master\examples\mnist\

在E:\CaffeDev-GPU\caffe-master\examples\mnist下建立标签文件synset_words.txt：

[html] view plain copy

 print?

1. 0  
2. 1  
3. 2  
4. 3  
5. 4  
6. 5  
7. 6  
8. 7  
9. 8  
10. 9  

调用classification.exe去识别某张图片，E:\CaffeDev-GPU\caffe-master目录新建mnist_class.bat

[cpp] view plain copy

 print?

1. E:\CaffeDev-GPU\caffe-master\Build\x64\Release\classification.exe E:\CaffeDev-GPU\caffe-master\examples\mnist\lenet.prototxt E:\CaffeDev-GPU\caffe-master\examples\mnist\lenet_iter_10000.caffemodel E:\CaffeDev-GPU\caffe-master\examples\mnist\mean.binaryproto E:\CaffeDev-GPU\caffe-master\examples\mnist\synset_words.txt E:\CaffeDev-GPU\caffe-master\examples\mnist\binarybmp\0.bmp  
2. pause  

运行就会得到结果

【已解决】【笔者注】现在正在研究matlab的实现，在预处理部分卡住了，在模型中加入均值计算以及归一化以后，这两个操作有没有先后顺序，在matlab中先进行了减均值计算，发现数据分布有大于0和小于0的，如果直接除以255，肯定不可能归一化到[0,1]，此法测试效果很差，肯定错了。如果采用mapminmax(A,0,1)归一化到[0,1]，结果也是错的。如果有想法的同学请私密我一下，一起探讨一下matlab的实现

参考预处理代码详解：http://blog.csdn.net/langb2014/article/details/51050213

Python的实现：http://www.dongcoder.com/detail-57212.html

顶

10

踩