caffe mnist 训练和测试记录

1.下载mnist数据

这里的数据分两种格式 一种lmdb一种leveldb 基本都是一样的，两种都做了测试，这里以lmdb为例

解压到文件夹中，这里一共包括4个文件，训练样本，训练样本标签，测试样本，测试样本标签

2.转换为lmdb格式

将训练数据集和测试数据集合都转换为lmdb格式，

第一个参数是caffe安装目录下编译生成的 .exe文件，如果没有，可以在vs2013中重新编译生成，这里我的是release生成的，Debug也是一样的

第二个参数是数据文件的路径(截图掉了一段，文件名全名是 train-images.idx3-ubyte )

第三个参数是生成文件的文件夹路径(这里的文件夹一定是不存在的，如果存在了，程序运行崩溃)

3.设置 lenet_solver.prototxt 和 lenet_train_test.prototxt

这连个文件都是caffe自带样本mnist中直接拷贝过来的

其中lenet_train_test.prototxt是主要的神经网络结构，目前只改动前两个layer中的train和test数据的路径，主意这里的路径用 \\ 或者 / 不然会报错

其中lenet_solver.prototxt设置开头的 net 路径，即上面的lenet_train_test.prototxt路径，和最后面的训练方式 CPU or GPU

更多内容看别人的blog，这里我仅仅是个人记录，有一定基础

4.开始训练

第一个参数同上，是caffe工程编译生成的 

第二个参数是一个标记 train 表示用于训练

第三个参数 形式如 --solver= + 3中设置的文件和路径

5.训练完成

生成如下的神经网络模型，可用用于识别

下面开始测试自己的数据

6.生成mean均值文件

第一个参数caffe工程下生成的 .exe 文件

第二个参数是训练数据的 lmdb文件根目录

第三个参数是均值文件的生成路径并命名为mean.binaryproto

7.写测试文件

第一个参数同上

第二个参数是mnist训练集合中拷贝的文件

第三个参数是上面训练生成的神经网络模型

第四个参数是二进制均值文件路径

第五个参数是测试图片(这里的图片需要是如下格式的 28*28像素的图)